基于机器学习的老年慢性心力衰竭病人衰弱风险预测模型的构建
海瑞1
王慧1
张蓉1
徐亚萍1
杨益2
1.新疆医科大学护理学院,新疆 8300112.新疆医科大学第一附属医院
摘要：目的:基于机器学习算法构建老年慢性心力衰竭(CHF)病人衰弱风险预测模型,为临床老年CHF病人衰弱发生的精准预测提供新方法.方法:收集2023年1月—5月乌鲁木齐市某三级甲等医院心血管内科的CHF病人相关临床资料,按7∶3比例随机划分为训练集和测试集,以是否发生衰弱为结局变量,分别基于逻辑回归(LR)、决策树(DT)、随机森林(RF)、支持向量机(SVM)4种机器学习算法构建衰弱风险预测模型.基于受试者工作特征曲线下面积(AUC)、准确度、精确度、灵敏度、特异度、F1分数评估模型性能,选出最优模型.结果:共纳入423例CHF病人,其中182例病人发生衰弱,衰弱发生率为43%.4种预测模型都有较高的准确性,LR、DT、SVM、RF模型的AUC值分别为0.917,0.863,0.941,0.952,其中RF模型AUC值、准确度、精确度、灵敏度、特异度、F1分数均最高.进一步基于RF模型对特征变量进行重要性排序,其中排名前5位的特征变量依次为血红蛋白、白细胞介素-6、白蛋白、营养不良、查尔森合并症指数(CCI).结论:基于RF机器学习算法构建的老年CHF病人衰弱风险预测模型性能最优,有助于临床早期评估和预防其衰弱风险的发生.
关键词：慢性心力衰竭衰弱机器学习预测模型
资助基金：新疆维吾尔自治区研究生创新项目(XJ2021G230)
论文发表日期：2024-06-25
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：7( 2103-2109 )
英文信息