目的采用不同特征選擇技術(shù)構(gòu)建基于機(jī)器學(xué)習(xí)的預(yù)測(cè)模型,探討江西地區(qū)缺血性腦卒中患者發(fā)生肺部感染的風(fēng)險(xiǎn)因素,為江西地區(qū)缺血性腦卒中合并肺部感染的控制和預(yù)防提供參考。方法分別采用互信息、Lasso回歸、決策樹對(duì)特征進(jìn)行篩選,比較XGboost、SVM、隨機(jī)森林、MLP、logistic回歸在缺血性腦卒中合并肺部感染模型中的效果。結(jié)果Lasso回歸優(yōu)于其他兩種特征選擇方法,篩選的侵入性操作、NIHSS評(píng)分、中性粒細(xì)胞計(jì)數(shù)等15個(gè)特征納入最終模型,與其他分類算法相比,MLP分類性能最好,AUC與約登指數(shù)分別是0.8740(95%CI:0.8694～0.8804)和0.6267。結(jié)論Lasso回歸可以限制多重共線性帶來的影響,并輸出高風(fēng)險(xiǎn)因素,結(jié)合MLP分類算法,能夠較好的預(yù)測(cè)缺血性腦卒中患者是否會(huì)發(fā)生肺部感染,為其精準(zhǔn)防控提供借鑒,具有一定的臨床實(shí)踐意義。

【文章頁數(shù)】：5 頁

【文章目錄】：
1 對(duì)象與方法
    1.1 研究對(duì)象
    1.2 納入指標(biāo)
    1.3 特征選擇
    1.4 研究方法
    1.5 統(tǒng)計(jì)學(xué)方法
2 結(jié)果
    2.1 分類算法性能比較
    2.2 特征選擇方法性能比較
    2.3 最終分類算法模型性能對(duì)比
3 討論



本文編號(hào)：3795883