您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览87 | 下载32

目的 构建老年慢性心力衰竭(chronic heart failure,CHF)患者院内发生急性心力衰竭(acute heart failure,AHF)的风险预测的最佳模型.方法 选取2018年1月至2020年12月北京大学第三医院收治的所有CHF患者,根据院内是否发生AHF,分为发生组(55例)和未发生组(564例).采用支持向量机、随机森林、XGBoost法以及Logistic 4种方法构建预测模型.结果 本研究使用MV值与卡方检验筛选出的老年CHF患者院内发生AHF的危险因素包括体重、入院心率、收缩压、性别、职业和静脉利尿剂;使用支持向量机、随机森林、XGBoost和Logistic 4种方法构建了院内发生AHF预测模型,预测准确率分别达到了91.92%、94.16%、94.27%和90.73%,曲线下面积(area under curve,AUC)值分别为0.6280、0.7349、0.9350和0.5505,以XGBoost的准确率最高,而Logistic模型的AUC值最低,判别能力较差.结论 本研究构建的4种预测模型,以XGBoost构建的模型准确率最高,同时具有较好的敏感性和模型判别能力.

作者:于桂香;张颖慧;秦双燕;刘聪颖;张卨;童素梅

来源:中国医学前沿杂志(电子版) 2022 年 14卷 5期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:87 | 下载:32
作者:
于桂香;张颖慧;秦双燕;刘聪颖;张卨;童素梅
来源:
中国医学前沿杂志(电子版) 2022 年 14卷 5期
标签:
慢性心力衰竭 支持向量机 随机森林 XGBoost Logistic模型
目的 构建老年慢性心力衰竭(chronic heart failure,CHF)患者院内发生急性心力衰竭(acute heart failure,AHF)的风险预测的最佳模型.方法 选取2018年1月至2020年12月北京大学第三医院收治的所有CHF患者,根据院内是否发生AHF,分为发生组(55例)和未发生组(564例).采用支持向量机、随机森林、XGBoost法以及Logistic 4种方法构建预测模型.结果 本研究使用MV值与卡方检验筛选出的老年CHF患者院内发生AHF的危险因素包括体重、入院心率、收缩压、性别、职业和静脉利尿剂;使用支持向量机、随机森林、XGBoost和Logistic 4种方法构建了院内发生AHF预测模型,预测准确率分别达到了91.92%、94.16%、94.27%和90.73%,曲线下面积(area under curve,AUC)值分别为0.6280、0.7349、0.9350和0.5505,以XGBoost的准确率最高,而Logistic模型的AUC值最低,判别能力较差.结论 本研究构建的4种预测模型,以XGBoost构建的模型准确率最高,同时具有较好的敏感性和模型判别能力.