10.16821/j.cnki.hsjx.2023.15.001
决策树和logistic回归构建早产儿颅内出血预测模型的比较研究
目的 运用决策树和logistic回归构建早产儿颅内出血预测模型,比较并选择最优模型.方法 选取2019年1月—2022年2月就诊于贵州医科大学附属医院新生儿科的2 100例早产儿,将所有数据按7∶3的比例划分为训练集与测试集(即训练集1 445例,测试集655例).应用决策树C 5.0算法及logistic回归构建风险预测模型,采用重合矩阵表比较2种模型的预测能力.结果 决策树模型纳入呼吸机使用时长、胎龄、体质量、脑膜炎、贫血和凝血功能异常6个因素,logistic回归模型纳入呼吸机使用时长、胎龄、体质量、窒息、产伤、多胎妊娠、贫血、凝血功能异常、血小板减少、脑膜炎10个因素.在训练集中,决策树与logistic回归的准确率分别为90.7％、81.9％,灵敏度分别为81.8％、61.6％,特异度分别为92.7％、86.4％,阳性预测值分别为70.8％、49.5％,阴性预测值分别为96.0％、91.2％,约登指数分别为0.745,0.480,ROC的曲线下面积分别为0.862、0.781,比较ROC的曲线下面积,差异有统计学意义(P＜0.05);在测试集中,决策树和logistic回归的准确率分别为88.7％、74.2％,灵敏度分别为77.9％、57.4％,特异度分别为91.2％、78.0％,阳性预测值分别为66.9％、37.4％,阴性预测值分别为94.7％、88.9％,约登指数分别为0.691、0.354,ROC的曲线下面积分别为0.828、0.731,比较ROC的曲线下面积,差异有统计学意义(P＜0.05).结论 决策树对早产儿颅内出血的预测能力优于logistic回归,可为医护人员早期识别高危患儿及制定预见性方案提供参考.
颅内出血、早产儿、决策树、回归分析、预测模型
38
R473.72(护理学)
贵州医科大学附属医院临床科研项目gyfyhl-2022-B1
2023-08-29（万方平台首次上网日期，不代表论文的发表时间）
共5页
1345-1349
