机器学习算法对危重患者死亡率预测效能的比较
李惠萍1
胡安民2
1.深圳市人民医院 呼吸与危重症医学科 广东深圳5180202.深圳市人民医院 麻醉科 广东深圳518020
摘要：目的 检测支持向量机(SVM)和随机森林(RF)两种机器学习算法对单中心重症患者30 d死亡率预测性能.方法 使用美国重症医学数据库(MIMIC-Ⅲ)作为数据来源,纳入波士顿贝斯以色列女执事医疗中心接受重症监护的成年患者,使用SVM和RF算法构建重症患者30 d死亡率的预测模型,通过与传统的简化急性生理评分-Ⅱ(SAPS-Ⅱ)模型比较,并使用十折交叉验证法对模型性能进行评估.结果 研究纳入30833例患者,SAPS-Ⅱ评分为33(25,43),其中2909例(9.4％)患者在进入ICU后30 d内死亡.传统SAPS-Ⅱ评分模型的曲线下面积为0.73±0.02,而机器学习算法的SVM、RF预测模型的AUC值分别为0.75±0.02和0.79±0.02.结论 SVM模型对危重患者30 d全因死亡率预测与传统的SAPS-Ⅱ评分效能相仿,而RF模型对危重患者的预后预测更加精准.
关键词：医疗大数据重症患者预测模型机器学习
分类号：R181.2(流行病学与防疫)O141.41(数理逻辑、数学基础)
论文发表日期：2020-08-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1642-1646 )
英文信息