特征选择技术在江西地区缺血性脑卒中合并肺部感染风险预测模型中的应用

发布时间：2023-04-21 04:59

　　目的采用不同特征选择技术构建基于机器学习的预测模型,探讨江西地区缺血性脑卒中患者发生肺部感染的风险因素,为江西地区缺血性脑卒中合并肺部感染的控制和预防提供参考。方法分别采用互信息、Lasso回归、决策树对特征进行筛选,比较XGboost、SVM、随机森林、MLP、logistic回归在缺血性脑卒中合并肺部感染模型中的效果。结果Lasso回归优于其他两种特征选择方法,筛选的侵入性操作、NIHSS评分、中性粒细胞计数等15个特征纳入最终模型,与其他分类算法相比,MLP分类性能最好,AUC与约登指数分别是0.8740(95%CI:0.8694～0.8804)和0.6267。结论Lasso回归可以限制多重共线性带来的影响,并输出高风险因素,结合MLP分类算法,能够较好的预测缺血性脑卒中患者是否会发生肺部感染,为其精准防控提供借鉴,具有一定的临床实践意义。

【文章页数】：5 页

【文章目录】：
1 对象与方法
    1.1 研究对象
    1.2 纳入指标
    1.3 特征选择
    1.4 研究方法
    1.5 统计学方法
2 结果
    2.1 分类算法性能比较
    2.2 特征选择方法性能比较
    2.3 最终分类算法模型性能对比
3 讨论



本文编号：3795883