随机森林和决策树模型在轻型缺血性脑卒中患者复发预测中的应用分析
莫秋红1
丁晓波1
张岩波1
李伟荣2
1.030000 太原,山西医科大学公共卫生学院2.030000 太原,山西医科大学公共卫生学院;030000 太原,山西省心血管病医院 山西医科大学附属心血管病医院神经内科
摘要：目的 构建轻型缺血性脑卒中(MIS)患者2年内复发的随机森林和决策树预测模型,并分析模型的临床应用价值.方法 回顾性收集2020年7月1日至12月31日于山西省心血管病医院神经内科就诊的520例MIS患者的病历资料,根据2年内是否复发将患者分为复发组和未复发组.基于缺失森林对数据进行填补,根据文献检索与专家讨论结果筛选预测变量并进行单因素分析,合成少数过采样技术-标称连续(SMOTE-NC)技术处理数据不平衡,采用贝叶斯优化十折交叉验证构建随机森林、决策树模型并与Logistic回归模型进行比较.基于受试者工作特征曲线下面积(AUC)、布里尔分数(BS)与校准曲线分别评价模型的区分度与校准度.对预测性能最好的模型采用SHAP模型解释预测结果.结果 2年内复发患者共93例(17.9%).两组患者的年龄,吸烟、糖尿病、循环梗死部位、多发性脑梗死比例,以及舒张压、红细胞压积、血小板计数、低密度脂蛋白水平比较,差异有统计学意义(P＜0.05).Logistic回归模型、决策树模型与随机森林模型在测试集中,预测MIS患者2年内复发情况的AUC(95%CI)分别为0.764(0.691～0.835)、0.743(0.668～0.818)、0.892(0.843～0.941),BS分别为0.200、0.211、0.142,随机森林预测效果最好,准确度为0.822,灵敏度为0.818,阳性预测值为0.808,阴性预测值为0.835.SHAP分析结果显示,随机森林模型中重要性排序前5名的变量分别是年龄、低密度脂蛋白、吸烟、糖尿病、舒张压.结论 与决策树和Logistic回归模型相比,随机森林模型预测MIS 2年内复发的性能较好.
关键词：卒中轻型缺血性卒中复发随机森林Logistic回归决策树
论文发表日期：2024-02-20
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( 77-82 )
英文信息