检索历史 清除

目的 探讨精神分裂症患者复发的影响因素,基于随机森林算法构建复发的预测模型.方法 回顾性选取 2020 年 3 月—2022 年 6 月在医院治疗的精神分裂症患者 192 例为研究对象,根据 1 年内患者有无复发精神分裂症分为复发组(n=58)和无复发组(n=134),通过单因素分析得出对应的影响因素,应用R语言软件,基于随机森林算法构建精神分裂症患者 1 年内复发的预测模型,并采用受试者工作特征(Receiver Operating Characteristic,ROC)曲线评价随机森林算法构建的模型对复发的预测价值.结果 单因素分析显示,饮酒史、病程、就业情况、社会支持评定量表(Social Support Rating Scale,SSRS)评分、7项广泛性焦虑障碍量表(7-tiem Generalized Anxiety Disorder Scale,GAD-7)评分、匹兹堡睡眠质量指数量表(Pittsburgh Sleep Quality Index,PSQI)评分、服药情况、精神病家族史均与精神分裂症复发有关,差异有统计学意义(P<0.05).采用随机森林算法构建的预测模型显示,前6位影响因素的重要性排序为GAD-7评分(GiNi=16.64)>病程(GiNi=15.09)>SSRS评分(GiNi=14.96)>PSQI评分(GiNi=14.00)>就业情况(GiNi=3.94)>饮酒史(GiNi=3.72).ROC结果显示,随机森林模型的ROC曲线其曲线下面积(area under curve,AUC)为0.840,最佳截断值0.255对应的敏感度为82.81%,特异度为73.18%.结论 精神分裂症患者复发受GAD-7 评分、病程、SSRS评分、就业情况、PSQI评分、饮酒史因素影响,基于随机森林构建的精神分裂症患者复发风险预测模型具有较好的预测效能,可进一步推广应用以验证预测模型的效能.