目的應(yīng)用決策樹卡方自動(dòng)交互檢測(cè)(CHAID)算法和二分類Logistic回歸分析法分別構(gòu)建神經(jīng)外科老年住院患者醫(yī)院感染風(fēng)險(xiǎn)預(yù)測(cè)模型,并對(duì)模型的預(yù)測(cè)結(jié)果做對(duì)比分析。方法回顧性分析2018年1月-2019年6月海南省人民醫(yī)院神經(jīng)外科≥60歲老年住院患者,應(yīng)用CHAID算法和Logistic回歸分析法分別建立風(fēng)險(xiǎn)預(yù)測(cè)模型,通過受試者工作特征曲線(ROC)的曲線下面積(AUC)對(duì)兩種模型的預(yù)測(cè)效果進(jìn)行對(duì)比評(píng)價(jià)。結(jié)果共收集患者1 111人,其中醫(yī)院感染131人,感染發(fā)病率11.79%;CHAID法和Logistic回歸分析法均顯示住院天數(shù)≥31 d、使用呼吸機(jī)、泌尿道插管是醫(yī)院感染發(fā)生的重要影響因素;決策樹模型風(fēng)險(xiǎn)預(yù)測(cè)的正確率為88.2%,模型擬合效果較好,Logistic回歸模型Hosmer-Lemeshow擬合優(yōu)度檢驗(yàn)顯示模型擬合較好(χ²=9.690,P>0.05);決策樹模型AUC為0.881(95%CI:0.861～0.899),Logistic回歸模型AUC為0.880(95%CI:0.860～0.899),兩模型預(yù)測(cè)價(jià)值均為中等,其存在的差異無統(tǒng)計(jì)學(xué)意義...

【文章頁數(shù)】：6 頁

【文章目錄】：
1 對(duì)象與方法
    1.1 對(duì)象
    1.2 方法
        1.2.1 臨床資料收集
        1.2.2 建模方法
            (1)運(yùn)算法則
            (2)模型參數(shù)
            (3)模型評(píng)價(jià)
    1.3 統(tǒng)計(jì)分析
2 結(jié) 果
    2.1 醫(yī)院感染率及感染部位分布
    2.2 醫(yī)院感染病原菌分布
    2.3 發(fā)生醫(yī)院感染的相關(guān)因素分析
    2.4 發(fā)生醫(yī)院感染的多因素Logistic回歸分析
    2.5 醫(yī)院感染的決策樹模型
    2.6 模型預(yù)測(cè)結(jié)果和評(píng)價(jià)
3 討 論



本文編號(hào)：3750790