目的 探讨基于机器学习算法XGBoost构建缺血性卒中发病3个月死亡预测模型的应用价值.方法 选择中国国家卒中登记(China National Stoke Registry,CNSR)数据库中缺血性卒中患者为研究对象.按照7:3比例随机分为训练集和测试集,训练集用于构建预测模型,测试集用于评价模型效果.分别采用XGBoost和Logistic回归方法构建缺血性卒中发病3个月死亡预测模型,通过ROC曲线下面积(area under the curve,AUC)评价两种模型的预测价值.结果 共纳入10645例缺血性卒中患者,平均年龄65.18±12.23岁,女性4045例(38.0％),入院NIHSS评分4(2～9)分,3个月死亡患者447例(4.48％).XGBoost和Logistic回归预测模型的AUC分别为0.8539、0.8278(P=0.0835),灵敏度分别为0.7413、0.7133,特异度分别为0.8286、0.8040.结论 基于机器学习算法XGBoost构建的缺血性卒中死亡预测模型表现良好且稳定.
作者：陈思玎；刘欢；黄馨莹；李皓琳；谷鸿秋；姜勇
来源：中国卒中杂志 2020 年 15卷 6期
