目的 建立基于机器学习的脑出血相关肺炎预测模型.方法 选择中国国家卒中登记Ⅱ(China National Stoke RegistryⅡ,CNSRⅡ)数据库中发病7 d内的急性脑出血住院患者为研究对象,登记时间为2012年5月-2013年1月,研究覆盖我国219家医院.研究对象按照8:2比例随机分为训练集和测试集.采用多因素Logistic回归分析,筛选出候选预测因子.应用基于机器学习的Logistic回归、CatBoost、XGBoost和LightGBM算法构建诊断预测模型,比较4种方法构建的模型对脑出血相关肺炎的预测诊断价值.结果 本研究共筛选2303例患者,平均年龄62.1±12.7岁,其中男性占62.1％.患者随机分为训练集(n=1841)和测试集(n=462),两组脑出血相关肺炎发生率分别为15.6％和15.8％(χ2=0.007,P=0.934).根据多因素Logistic回归分析,候选预测因子为年龄(OR 1.03,95％CI 1.02～1.04)、NIHSS评分(OR 1.02,95％CI 1.00～1.04)、白细胞计数(OR 1.11,95％CI 1.07～1.16)和吞咽功能障碍(OR 6.85,95％CI 5.01～9.39).Logistic回归、CatBoost、XGBoost和LightGBM四种模型灵敏度分别为75.34％、50.68％、80.82％和80.82％;特异度分别为68.64％、86.12％、52.96％和57.33％;ROC曲线下面积分别为0.776、0.692、0.736和0.767.Logistic回归和LightGBM模型诊断效果显著

作者：王孟；覃露；王春娟；李姣；王伊龙；赵性泉；王拥军；李子孝

来源：中国卒中杂志 2020 年 15卷 3期