10.19381/j.issn.1001-7585.2023.05.005
基于机器语言的临床预测模型对高血压脑出血预后的预测
目的:基于我院高血压脑出血(HICH)患者的数据库,使用机器语言的多项式函数(Polynomial),建立预测预后的数据模型,并进行内部检测.方法:回顾性分析327例HICH患者的临床资料.将出院时改良Rankin评分量表(mRS评分)0~2分归为预后良好组,3~6分归为预后不良组.将327例患者分为两组:80%的患者为训练组、20%的患者为测试组.通过机器语言的多项式函数建立数据模型GHRRSD:入院时的格拉斯哥昏迷评分(AGCS)+入院时的心率(AHR)+入院时的呼吸频率(AR)+入院时的收缩压(ASP)+入院时舒张压(ADP).基于数据模型,分别得出训练组和测试组的ROC曲线,以曲线下面积(AUC)检测数据模型的有效性.再依据数据模型得出其动态列线图,用以检测其实用性.结果:GHRRSD模型对于患者的预后具有很好的预测性.训练组ROC曲线的最优截断值为0.522,95%可信区间为(0.902,0.740),AUC为0.881;测试组ROC曲线的最优截断值为0.551,95%CI为(0.963,0.806),AUC为0.941.二者进行比较无统计学差异(P=0.087),数据模型能适用于训练组及测试组.GHRRSD模型得出动态列线图,能很好地测算出患者不良预后的概率.结论:使用GHRRSD模型对HICH患者预后进行预测,有助于及时发现患者病情、指导临床诊断和治疗及评估预后.
机器语言、多项式函数、数据模型、高血压脑出血、预后
36
R651.1(外科学各论)
2023-03-21(万方平台首次上网日期,不代表论文的发表时间)
共4页
735-737,745