基于朴素贝叶斯分类器的胸腔镜手术术后镇痛辩证模型

发布时间：2017-04-26 22:08

  本文关键词：基于朴素贝叶斯分类器的胸腔镜手术术后镇痛辩证模型，由笔耕文化传播整理发布。

【摘要】：目的:讨论已镇痛方式为第一影响因素的前提下,充分考虑患者自身特征的,基于朴素贝叶斯分类器对两种镇痛方式下的术后疼痛评分建立辩证模型,从而对麻醉医师术后镇痛方式的选择给予临床指导和借鉴作用。方法:选择择期电视辅助胸腔镜手术(video-assisted thoracoscopic surgery,VATS)患者172例,年龄20~83岁;术后放置1~2根胸腔引流管;ASA I~Ⅱ级;术时为3.5±2小时。既往无严重心肺疾病,无肝肾功能不全者;已知滥用酒精,长期服用镇痛药物者排除,术中严重粘连患者给予排除。术前各项检查完善且基本正常。将患者随机分为2组,肋间神经阻滞组(intercostal nerve block,INB),70例。硬膜外镇痛组(Epidural Analgesia,EA),71例。两组患者均以咪达唑仑、依托咪酯、顺式-阿曲库胺及舒芬太尼进行麻醉诱导。术中持续泵注异丙酚、顺式-阿曲库胺,靶控输注瑞芬太尼维持麻醉,应用脑电双频普指数(Bispectral index,BIS)监测麻醉深度。从患者基本信息及相关检查项中列出:性别,年龄,体重,术后镇痛方式(INB/EA)等10个指标作为原变量。为了减少变量的个数,并解决变量之间的多重相关性问题将原变量进行主成分分析(principal component analysis,PCA),保证最大限度反映原变量信息的基础上进行降维和去相关化处理,最终选定主成分分析后的5个综合变量作为辩证相关因素,作为朴素贝叶斯分类器(Naive Bayes Classifier,NBC)的学习数据。分别将患者术后6小时的视觉模拟评分(visual analogue scale,VAS)和术后镇痛方式相对应,采用朴素贝叶斯分类器进行训练,从而建立术后疼痛评分模型。结果:应用主成分分析对10个原变量进行降维去相关化处理,最终提炼出5个主成分的同时给予适当定义含义,从性别、体质、血压、年龄、术中舒芬太尼用量等五个特征方面反映患者的基本信息和个体差异性。对应患者术后镇痛模式及术后6小时VAS评分作为朴素贝叶斯分类器的输入数据进行学习。为验证模型的误差率和可信度,应用朴素贝叶斯分类器对20例患者进行了术后疼痛级别的预测。最后结果显示分类器的决策符合实际中患者术后6小时的VAS评分。结论:本研究运用朴素贝叶斯分类器对术后镇痛的预测进行了初步的探索。为了便于数据学习和分析,本次试验采用主成分分析对数据属性进行了处理,并提取了代表患者个体差异的性别特征、体重特征、血压特征、年龄特征、用药特征等5个主成分,建立了数学模型。随后,利用朴素贝叶斯分类分类器,建立了术后镇痛辩证模型,经验证该模型在判断两种镇痛方式下的疼痛级别的问题上取得较小的错误率,具有一定的可信度,基本能够满足医生的需求,具有一定的指导参考作用,值得进一步探索和研究。
【关键词】：术后镇痛 朴素贝叶斯 主成分分析
【学位授予单位】：大连医科大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R614
【目录】：

• 中文摘要7-9
• 英文摘要9-11
• 前言11-14
• 材料与方法14-31
• 1. 材料14-16
• 1.1 病例入选标准14-15
• 1.2 实验药品15
• 1.3 实验仪器15-16
• 2. 方法16-31
• 2.1 分组16
• 2.2 麻醉方法16-17
• 2.3 术后镇痛方式17
• 2.4 监测指标17-20
• 2.5 术后镇痛效果调查20
• 2.6 统计学处理20-27
• 2.7 朴素贝叶斯模型建立27-31
• 结果31-34
• 1. 主成分分析输出结果31-32
• 2. 朴素贝叶斯模型运算结果32-34
• 讨论34-37
• 1. 主成分分析讨论34-36
• 2. 朴素贝叶斯讨论36-37
• 结论37-38
• 参考文献38-40
• 文献综述40-48
• 参考文献46-48
• 致谢48-49

【相似文献】

中国期刊全文数据库 前10条

1 范p，

本文编号：329293