目的采用不同特征選擇技術構建基于機器學習的預測模型,探討江西地區(qū)缺血性腦卒中患者發(fā)生肺部感染的風險因素,為江西地區(qū)缺血性腦卒中合并肺部感染的控制和預防提供參考。方法分別采用互信息、Lasso回歸、決策樹對特征進行篩選,比較XGboost、SVM、隨機森林、MLP、logistic回歸在缺血性腦卒中合并肺部感染模型中的效果。結果Lasso回歸優(yōu)于其他兩種特征選擇方法,篩選的侵入性操作、NIHSS評分、中性粒細胞計數等15個特征納入最終模型,與其他分類算法相比,MLP分類性能最好,AUC與約登指數分別是0.8740(95%CI:0.8694～0.8804)和0.6267。結論Lasso回歸可以限制多重共線性帶來的影響,并輸出高風險因素,結合MLP分類算法,能夠較好的預測缺血性腦卒中患者是否會發(fā)生肺部感染,為其精準防控提供借鑒,具有一定的臨床實踐意義。

【文章頁數】：5 頁

【文章目錄】：
1 對象與方法
    1.1 研究對象
    1.2 納入指標
    1.3 特征選擇
    1.4 研究方法
    1.5 統(tǒng)計學方法
2 結果
    2.1 分類算法性能比較
    2.2 特征選擇方法性能比較
    2.3 最終分類算法模型性能對比
3 討論



本文編號：3795883