您的账号已在其他设备登录，您当前账号已强迫下线， 如非您本人操作，建议您在会员中心进行密码修改
目的 运用机器学习技术,通过决策树模型探索胃癌术后出院患者营养相关指标与患者提供的主观整体营养状况评估量表(PG-SGA)的关系.方法 在出院时及出院4周时采用PG-SGA对109例胃癌根治术患者进行营养评估,并收集患者出院时及出院4周时的体重、体重指数(BMI)、淋巴细胞计数(LYM)、血红蛋白(Hb)、白蛋白(ALB)、血清前白蛋白(PA)生理生化指标.运用分类回归树(CART)决策树模型对患者出院4周内营养状态变化情况进行分类.结果 当患者出院4周内体重下降超过8.06％时,患者明确存在营养不良恶化问题;当体重变化-2.57％～2.22％时,患者营养不良恶化问题并不显著;当患者体重变化-6.01％～-4.02％时,患者营养不良变化情况比较复杂,仅利用体重变化量不能对患者营养不良变化情况进行分类.结论 机器学习作为一项先进的方法学技术可以有效识别患者营养状态变化,社区居家患者及其照护者可以在一定条件下通过体重波动情况便捷、有效地识别患者营养不良风险情况.
作者：马千惠；马清萧
来源：癌症进展 2023 年 21卷 4期
临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求，方便快速、便捷的获取实用的医学信息，辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。
知识库介绍
临床诊疗知识库现支持机构用户及个人包时用户开通服务。如需开通机构账号，请机构管理员联系我们，联系电话：010-58882667；个人包时开通请直接点击“个人包时订购”，开通后即可使用。
相似文献
