| 摘要: |
| 目的 基于人工神经网络（ANN）模型构建社区获得性肺炎（CAP）患者30 d死亡风险的预测模型。 方法 回顾性
选择 2020 年 1 月至 2023 年 1 月上海市长海医院重症监护病房和呼吸与危重症医学科的 CAP 患者 557 例，分为生存组 455 例，死
亡组 102 例，比较两组患者的 29 项基线资料，将其作为入院后 30 d 死亡的危险变量。将 557 例 CAP 患者的基线资料按照 7∶3 分
为训练集（390 例）和验证集（167 例），以 29 项基线资料作为输入层自变量，CAP 患者入院后 30 d 死亡风险为输出层因变量构建
ANN 模型。另构建多因素 logistic 回归模型，将 557 例 CAP 患者的基线资料按照 1∶1 分为训练集（278 例）和验证集（279 例）分别
用于构建和评价多因素logistic 回归模型。分别计算两种模型的灵敏度、特异度、准确度和AUC。 结果 ANN 模型验证集的灵敏
度、特异度和准确度分别为 0.880、0.824 和 0.868，AUC 为 0.963（95%CI：0.922~0.971）。多因素 logistic 回归模型的灵敏度、特异
度和准确度分别为 0.832、0.801 和 0.825，AUC 为 0.928（95%CI：0.903~0.935）。ANN 模型的 AUC 高于多因素 logistic 回归模型
（Z=1.908，P=0.020）。 结论 基于 ANN 模型构建的 CAP 患者 30 d 死亡风险的预测模型有较好的预测效能，优于多因素 logistic
回归模型。 |
| 关键词: |
| DOI：10.12056/j.issn.1006-2785.2025.47.9.2024-2742 |
| 分类号: |
| 基金项目:江苏省中药骨干人才高级研修项目（SZYGG202217-3） |
|
|
|
|
| Abstract: |
|
| Key words: |
