| 摘要: |
| 目的比较7种机器学习算法在预测鼻胃管（NGT）患者发生误吸风险方面的效能。方法回顾性选取2021年1月至2022年12月合肥市第二人民医院高压氧医学科收治的352例NGT患者为研究对象，将患者按照7∶3的比例随机分为训练集246例和验证集106例。采用Boruta算法进行独立特征变量选择，并运用逻辑回归、随机森林、决策树、k-近邻树、轻量级梯度提升机、支持向量机、极端梯度提升7种机器算法分别建立预测模型，通过ROC曲线评估模型的区分能力，结合AUC值、准确度、灵敏度、特异度、阳性预测值和阴性预测值等指标选择最优模型，在选择最优模型后，结合随机森林的变量重要性图和shapley加法解释值解释关键特征对误吸风险的贡献。结果352例患者中，发生误吸102例，误吸发生率为28.98%。训练集和验证集构建了7种NGT患者误吸风险预测模型，均以随机森林模型最优。随机森林模型在训练集中的AUC、准确度、灵敏度、特异度、阳性预测值、阴性预测值均为1.000，在验证集中的AUC、准确度、灵敏度、特异度、阳性预测值、阴性预测值分别为0.977、0.934、0.882、0.962、0.845、0.985。结论基于机器学习算法成功建立了预测NGT患者误吸风险模型，其中随机森林模型呈现出良好的预测能力。 |
| 关键词: |
| DOI：10.12056/j.issn.1006-2785.2024.46.22.2024-1062 |
| 分类号: |
| 基金项目: |
|
|
|
|
| Abstract: |
|
| Key words: |
