多中心住院患者的急性肾损伤预测方法研究

发布时间：2021-05-16 07:27

　　急性肾损伤（AKI）是一种在住院患者中常见,具有高发病率和高死亡率的临床危重综合征。建立AKI早期风险预测模型,分析影响其发生的关键因素,有助于预防AKI发生、对风险人群进行及时干预与实施合理治疗。研究数据来自中国急性肾损伤合作研究（CCS-AKI）中心的16家医院,共收集580461（46395AKI,534066 non-AKI）例成人住院患者的临床信息,包括基本信息、血液学指标、药物使用情况,以及入院科室、合并症情况、住院时间等其它临床信息,并对入院科室、药物种类、血液学指标进行规范化,计算血液学指标的统计值（如最大值、最小值、标准差、均值等）、药物的使用天数及种类数、合并症的Charlson总评分等,从而生成114个特征。采用机器学习模型LightGBM对24、48、72小时3个时间点进行AKI风险预测,并获取重要特征,利用SHAP（shapley additive explanations）对特征重要性进行分析,此外,比较与分析肌酐（SCr）值对预测模型性能的影响。将患者按照4:1的比例划分为训练集与独立验证集,对LightGBM进行训练、测试与验证。实验结果表明,模型对24... 

【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：86 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
        1.1.1 急性肾损伤及其诊断
        1.1.2 急性肾损伤分级标准
        1.1.3 急性肾损伤发病机制
        1.1.4 研究意义
    1.2 研究现状
        1.2.1 急性肾损伤相关临床特征
        1.2.2 急性肾损伤预测方法
    1.3 本研究的主要内容
    1.4 论文的组织结构
第二章 急性肾损伤预测模型
    2.1 机器学习模型
        2.1.1 支持向量机
        2.1.2 决策树
        2.1.3 随机森林
        2.1.4 LightGBM模型
    2.2 模型性能评估
    2.3 数据不平衡及其处理策略
        2.3.1 数据不平衡问题
        2.3.2 数据不平衡处理策略
    2.4 特征重要性及模型可解释性
        2.4.1 特征重要性
        2.4.2 模型可解释性
    2.5 本章小结
第三章 研究数据和统计分析
    3.1 研究对象和数据
        3.1.1 数据的纳入与排除标准
    3.2 数据预处理
        3.2.1 肌酐值校正
        3.2.2 数据清洗与规范化
        3.2.3 特征构建
    3.3 统计分析
        3.3.1 组间分析
        3.3.2 训练集与独立验证集的组间分析
    3.4 本章小结
第四章 急性肾损伤风险预测结果及分析
    4.1 模型构建
        4.1.1 数据收集窗
        4.1.2 不平衡样本处理
        4.1.3 建模预测
    4.2 预测结果
        4.2.1 最佳类别权重
        4.2.2 不同时间点预测结果
        4.2.3 连续预测
    4.3 特征重要性与模型解释性
    4.4 结果分析与讨论
    4.5 Demo程序
    4.6 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
附录1 中英文缩写对照表
攻读硕士学位期间取得的成果
致谢
附件



本文编号：3189255