脑卒中照顾者卒中复发应急能力预测最优机器学习模型筛选及验证
李博1
杨明莹1
王娅1
詹安宁2
肖旸1
杨琪琪1
杨子航1
1.昆明医科大学护理学院,云南 昆明 650500;昆明医科大学第二附属医院护理部,云南 昆明 6501062.昆明医科大学公共卫生学院,云南 昆明 650500
摘要：目的 应用机器学习算法构建脑卒中照顾者卒中复发应急能力预测模型,筛选出最优预测效果的模型并进行验证.方法 收集昆明医科大学第二附属医院2024年4月—8月住院的515例脑卒中患者的照顾者为研究对象,按照脑卒中照顾者的卒中复发应急能力欠缺与否分为应急能力欠缺者和非欠缺者,运用随机森林、人工神经网络、极端梯度提升、梯度提升决策树(GBDT)4种机器学习算法构建脑卒中照顾者卒中复发应急能力预测模型,采用准确度、精确度、召回率、特异性、敏感性、约登指数和受试者工作特征曲线下面积(AUC)对4种模型的性能进行比较.对基尼指数进行比较,得出脑卒中照顾者卒中复发应急能力较为显著的影响因素.结果 GBDT模型预测脑卒中照顾者卒中复发应急能力最优,其AUC值达到0.896,预测准确度较高.照顾负担得分、社会支持得分、学历、个人负担得分、与患者关系、年龄、家庭主要经济来源承担者、参加脑卒中知识宣教、月收入水平、主观支持得分10个核心因素在GBDT模型中表现出显著重要性.结论 本研究通过比较多种机器学习算法,发现GBDT模型在预测脑卒中照顾者卒中复发应急能力方面表现出色,该模型可有效识别出影响脑卒中照顾者卒中复发应急能力的核心预测因子,还可动态监测预测因子变化,制定个性化干预方案,对提升脑卒中患者家庭照护质量形成闭环支持.
关键词：机器学习脑卒中照顾者应急能力预测模型
分类号：R743(神经病学与精神病学)
资助基金：云南省科技厅-昆明医科大学应用基础研究联合专项(202301AY070001-223)昆明医科大学大学研究生教育创新基金(2024S218)
论文发表日期：2025-04-25
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：6( 1-6 )
英文信息