基于随机森林算法的急性持续性眩晕患者脑卒中风险预测模型构建
付记桐1
王甜甜1
张金苹1
廉瑞2
1.450016 河南 郑州,郑州市第七人民医院神经内科2.450018 河南 郑州,河南省直第三人民医院
摘要：目的 构建基于随机森林算法的急性持续性眩晕患者脑卒中风险预测模型.方法 回顾性选取2019 年1 月至2022 年12 月郑州市第七人民医院400 例急性持续性眩晕患者为研究对象,采用6∶4 比例将患者分为训练集(240 例)及验证集(160 例).利用R 4.1.3 软件包将最终获得的训练集数据中未发生脑卒中的患者定义为0,发生脑卒中的患者定义为1,收集受试者临床数据,采用软件包中随机森林等数据包筛选急性持续性眩晕患者脑卒中发生的影响因素,并构建基于随机森林算法的预测模型,通过绘制列线图对预测模型进行可视化处理,使用一致性指数(C-index)、决策曲线分析预测结果;通过验证集数据验证该模型预测效能.结果 随机森林算法共筛选出中枢性眩晕史、高血压、房颤史、高脂血症 4 个变量为急性持续性眩晕患者脑卒中发生的影响因素,构建基于随机森林算法的预测模型,绘制列线图显示,预测急性持续性眩晕患者脑卒中的C-index为0.846(95%CI 0.760～0.910),校正曲线显示绝对误差为 0.043;验证集C-index为0.827(95%CI 0.738～0.895),绝对误差为0.048.受试者工作特征(ROC)曲线分析显示,预测模型预测急性持续性眩晕患者脑卒中的ROC曲线下面积(AUC)为 0.820,敏感度为81.00%,特异度为78.00%.决策曲线分析训练集的阈值概率范围为 22%～100%,在该范围内根据模型的预测概率进行干预的临床净收益高于对所有人不进行(无)和对所有人进行干预(所有).结论 中枢性眩晕史、高血压、房颤史、高脂血症是持续性眩晕患者脑卒中风险预测因子,基于此建立的随机森林算法预测模型可用于急性持续性眩晕患者脑卒中发生风险的预测.
关键词：随机森林算法急性持续性眩晕脑卒中预测模型
论文发表日期：2024-05-10
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( 415-420 )
英文信息