基于机器学习预测脑卒中病人日常生活活动能力的系统评价
王凤廷1
宋静雯2
余雅婧1
林桦3
1.广西中医药大学,广西 5302002.南宁市第一人民医院总院3.南宁市第二人民医院
摘要：目的:系统评价基于机器学习构建的脑卒中病人日常生活活动能力(ADL)预测模型,为模型构建和优化提供参考.方法:检索PubMed、EMbase、Web of Science、CINAHL、美国脑卒中协会(ASA)、欧洲脑卒中协会(ESO)、中国知网、维普数据库、万方数据库、中国生物医学文献数据库中关于脑卒中病人ADL的研究,检索时限为建库至2024年8月30日.由2名研究人员独立开展文献筛选工作、资料提取、评价偏倚风险.结果:共纳入9项研究,涉及10种算法,共构建26个预测模型,预测模型的受试者工作特征曲线下面积(AUC)为0.74～0.98.结论:现有证据表明,脑卒中病人ADL预测模型的整体偏倚风险偏高,预测性能一般,支持向量机(SVM)方法构建的模型在不同研究中都获得了较好的预测性能.年龄、Brunnstrom分期训练、Barthel指数是脑卒中病人ADL预测模型中常见的预测因子.
关键词：脑卒中日常生活活动能力机器学习预测模型系统评价循证护理
资助基金：广西重点研发计划项目(AB22080079)
论文发表日期：2025-12-10
在线出版日期：2025-12-19（本平台首次上网日期，不代表文献的发表时间）
页数：6( 4826-4831 )
英文信息