颅脑损伤患者临床死亡预测:一项基于机器学习的主成分分析-逻辑回归模型

摘要：

目的 探索主成分分析(principal component analysis ,PCA)-逻辑回归模型在颅脑损伤患者临床死亡预测建模中的应用,以及影响临床预后的病理生理模式和重要风险因素.方法 收集2011—2017年四川省人民医院创伤中心数据库符合研究标准的108例颅脑损伤患者的临床资料,建立PCA-逻辑回归模型,应用ROC评估模型预测效果,验证死亡结局模型的预测效能.结果 PCA-逻辑回归模型分析结果显示,影响患者死亡结局的分别为第1、第8、第11及12主成分.计算出的指标系数对应的临床指标与措施具有较大影响力的因素,分别为开放性颅脑损伤、凝血改变、气管切开、脑干伤、血肿量、感染性并发症、糖皮质激素、肠内营养时间及舒张压.经ROC曲线评估PCA-逻辑回归模型,死亡结局模型具有较高的预测效能(灵敏度:92.3%,特异度:93.7%,AUC:0.983).结论 PCA-逻辑回归分析方法可以有效地挖掘颅脑损伤患者伤后的临床变量,建立其临床死亡预测模型.严重颅脑损伤后出现的血流灌注不足可能是影响患者生存的重要病理生理模式.

关键词：重度颅脑损伤、模式识别、主成分分析、逻辑回归、机器学习

分类号：R651.1 +5(外科学各论)

资助基金：四川省卫生厅科研资助项目110212,16PJ447;四川省科技厅计划科研资助项目2014FZ0125

在线出版日期：2019-07-25（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：99-103