基于随机森林模型法的AMI患者并发AKI预测模型的建立

摘要：

目的 建立基于随机森林模型法的预测模型对急性心肌梗死(AMI)患者并发急性肾损伤(AKI)进行预测,找出相关重要指标.方法 选取2014年1月至2021年1月该院急诊科收治的AMI患者1362例作为研究对象,将合并AKI患者设为观察组(270例),未合并AKI设为对照组(1092例).在确定30个变量后进行数据的相关统计和分析,随机选取75％的病例进行训练数据库的建立,25％的病例作为测试数据库,采用R语言进行数据的筛选和模型的建立,对其进行相关评估,并与其余3种机器学习模型进行对比.结果 1362例患者中合并AKI 270例(19.82％).两组患者除血小板、球蛋白、入院时体温、血钠、天门冬氨酸氨基转移酶、丙氨酸氨基转移酶比较差异无统计学意义(P>0.05)外;其余各指标比较,差异均有统计学意义(P<0.05);随机森林模型受试者工作曲线下面积为0.894,均高于其余3种模型,灵敏度为0.792,特异度为0.867;模型中变量重要性依次为首次肌酐、尿素值,机械通气、年龄和D-二聚体.结论 基于随机森林模型对AMI患者是否发生AKI进行预测具有较好的预测效能,在实际临床工作中具有一定参考价值.

关键词：急性心肌梗死、急性肾损伤、机器学习、预测模型、受试者工作曲线

所属期刊栏目：51

分类号：R540.4(心脏、血管（循环系）疾病)

在线出版日期：2023-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：4304-4307,4312