目的:心力衰竭的高住院率、高死亡率以及預后差已經成為全球關注的公共衛(wèi)生問題,因此針對心衰患者構建疾病預后預測模型就極其重要�；颊邎蟾娼Y局(Patient-reported Outcomes,PRO)數據不同于客觀的病歷數據,它從患者的角度匯報病情,量化了患者身體各方面的狀態(tài),能夠全面地表達患者整體的健康。在上述基礎上本課題基于隨機森林、支持向量機和BP神經網絡三種機器學習算法構建心衰患者預后模型,用最優(yōu)模型比較納入PRO數據前后模型的預測性能,探究PRO在心衰預后研究中的應用價值。方法:1、采用2017年5月至2019年11月在山西醫(yī)科大學第一醫(yī)院和山西省心血管醫(yī)院住院確診為心衰患者的PRO數據,經過數據預處理后獲得796例有效數據。通過單因素分析篩選出有統計學意義的自變量,以篩選出的變量為輸入變量,患者出院后一年內是否發(fā)生主要不良心血管事件(包括心源性死亡和心衰再住院)為結局變量,構建隨機森林、支持向量機和BP神經網絡分類預測模型,通過ROC曲線評價和比較其分類性能。2、通過比較篩選出最優(yōu)模型,構建納入PRO數據前后的心衰預后模型,用凈重分類改善指數、整體鑒別指數以ROC曲線下面積A...

【文章頁數】：48 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
常用縮寫詞中英文對照表
前言
1 對象與方法
    1.1 研究對象
    1.2 研究方法
2 結果
    2.1 基本情況
    2.2 自變量的篩選
    2.3 模型構建及結果
    2.4 模型性能評價與比較
    2.5 PRO數據的增加價值
3 討論
    3.1 機器學習模型
    3.2 患者報告結局
    3.3 研究的創(chuàng)新之處
    3.4 研究的不足之處
4 結論
參考文獻
文獻綜述
    參考文獻
致謝
在校期間承擔/參與的科研課題
個人簡歷



本文編號：3776460