基于机器学习法构建中老年冠心病再入院风险预测模型
罗寒玉
冯俊
曹瑞
王本龙
安徽医科大学附属六安医院(安徽 六安 237000)
摘要：目的:探讨中老年冠心病病人再入院的危险因素,构建中老年冠心病病人3年内再入院风险预测模型列线图,并评估其预测性能及辨别度.方法:选取安徽医科大学附属六安医院2020 年1月—2023年1月收治的中老年冠心病病人575例,根据病人3年内是否再次入院治疗分为两组,即再入院组(215例)和未再入院组(360例).应用基于机器学习的Logistic回归、神经网络(BP)、K近邻算法(KNN)构建中老年冠心病病人再入院风险的预测模型,比较上述3种算法构建的模型对中老年冠心病病人再入院的预测价值,筛选出预测效能最佳的模型并以列线图形式展现.通过Lasso回归筛选变量并构建中老年冠心病病人再入院的风险预测列线图模型,通过受试者工作特征(ROC)曲线、校准曲线、决策曲线评估该模型预测中老年冠心病病人再入院风险的预测性能及辨别度;选取2023年2月—3月六安市另外1所附属医院病人143例对模型进行外部验证.结果:3种机器学习算法构建的模型中,Logistic回归构建的模型预测效能最佳;Lasso回归分析表明,年龄、红细胞分布宽度(RDW)、肌酸激酶同工酶(CK-MB)、糖尿病是构建列线图模型的候选预测因子,利用Logistic 回归算法构建中老年冠心病病人再入院风险的预测模型并以列线图形式展现,ROC曲线分析结果表明,列线图模型预测中老年冠心病病人再入院的曲线下面积为0.790,验证集ROC曲线下面积是0.800.结论:基于机器学习法构建的以入院时的年龄、RDW、CK-MB、糖尿病为预测因子的再入院风险预测模型具有较好的预测效能和有效性,可为识别高危病人及时给予干预策略提供指导.
关键词：冠心病再入院中老年预测模型列线图
资助基金：六安市科技计划项目(No.2022lakj002)
论文发表日期：2026-02-25
在线出版日期：2026-03-16（本平台首次上网日期，不代表文献的发表时间）
页数：5( 577-581 )
英文信息