基于决策树和Logistic回归预测出血性脑卒中手术后医院感染风险
目的 采用决策树卡方自动交互检测(CHAID)算法、二分类Logistic回归分析出血性脑卒中手术患者医院感染的危险因素,构建风险预测模型并对结果进行比较分析.方法 对2016年1月-2019年12月神经外科812例出血性脑卒中手术患者进行回顾性分析,应用CHAID算法分析医院感染的危险因素,构建决策树模型,与Logistic回归分析进行比较,采用受试者工作特征(ROC)曲线下面积(AUC),比较两预测模型的效果.结果 共统计纳入出血性脑卒中手术患者812例,其中医院感染238例,医院感染发生率为29.31%,决策树和Logistic回归结果分析均显示静脉血栓、留置胃管、使用呼吸机、引流时间(>2 d)是患者医院感染的主要危险因素;Logistic回归模型的AUC是0.762(95%CI:0.762~0.798),风险预测正确率为76.20%;决策树模型的AUC是0.787(95%CI:0.753~0.822),风险预测正确率为74.80%,两模型的预测价值均>0.75,预测效果较好.结论 两模型可从不同的层面挖掘医院感染的危险因素,将两模型有效结合可更充分地了解不同因素之间的相互作用,构建预测模型可以早期筛查高危人群,预防和控制医院感染,进而降低医院感染率.
出血性脑卒中、医院感染、决策树、危险因素
31
R619+.3(外科手术学)
山东省自然科学基金资助项目ZR2018MG015
2022-04-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
3556-3561