目的 基于机器学习算法对急性缺血性卒中(acute ischemic stroke,AIS)或TIA患者行rt-PA静脉溶栓治疗住院期间脑出血的发生情况进行预测,并探索影响rt-PA溶栓治疗后脑出血发生的危险因素.方法 纳入中国卒中中心联盟(Chinese Stroke Center Alliance,CSCA)2016年1月—2020年12月登记的被初步诊断为AIS或TIA且接受rt-PA静脉溶栓治疗的患者74654例,平均年龄为(65.55±12.14)岁,其中,男性患者48493例(64.96%),住院期间发生脑出血患者2038例(2.73%).将数据按年份划分为训练集和测试集,即2016-2019年登记患者划分为训练集,2020年登记患者划分为测试集,采用原型选择下采样技术对训练集数据正负样本进行77∶100平衡处理,构建了逻辑回归、极致梯度提升(extreme gradient boosting,XGBoost)、随机森林、梯度提升决策树(gradient boosting decision tree,GBDT)和分类梯度提升(categorical boosting,CatBoost)共5个模型对脑出血结局进行预测,并使用AUC、灵敏度、特异度、Brier评分等指标对模型预测效果进行评价和比较,采用SHAP图对机器学习模型筛选出的特征进行可解释性分析.结果 XGB oost、GBDT、Cat Boost、逻辑回归和随机森林模型的AUC值分别为0.770(95%CI0.745~0.774)、0.766(95%CI0.753~0.786)、0.765(95%
作者:陈慧;陈思玎;朱之恺;俞蔚然;姜勇;王拥军
来源:中国卒中杂志 2023 年 18卷 5期