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

确定
收藏 | 浏览26 | 下载22

目的 基于机器学习算法评估急性穿支动脉闭塞性脑梗死预测模型并筛选优势模型,为临床管理急性穿支动脉梗死患者提供依据.方法 选取 441 例急性穿支动脉闭塞性脑梗死患者为研究对象,排除临床信息不完整 10例,多次脑梗死患者 28 例,共纳入 403 例.将结果变量分为预后良好 组[改良Rankin量表(mRS)评分 0~2 分]和预后不良组(mRS评分>2 分).采用单、多因素Logistic回归(LR)以逐步回归法分析筛选预测变量.使用LR、随机森林(RF)、支持向量机(SVM)3 种机器学习算法构建功能预后预测模型,在测试集中通过受试者操作特征(ROC)曲线的曲线下面积(AUC)、准确度、灵敏度、特异度等指标比较预测模型对患者发病 90 d功能预后的预测价值.结果 403 例患者中男性占 68.73

作者:刘妍;贾龙斌;许丽娜;刘伟

来源:新医学 2024 年 55卷 3期

知识库介绍

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。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:26 | 下载:22
作者:
刘妍;贾龙斌;许丽娜;刘伟
来源:
新医学 2024 年 55卷 3期
标签:
脑梗死 预后 穿支动脉粥样硬化性疾病 穿支动脉 机器学习 预测模型 Cerebral infarction Prognosis Branch atheromatous disease Penetrating artery Machine learning Predictive model
目的 基于机器学习算法评估急性穿支动脉闭塞性脑梗死预测模型并筛选优势模型,为临床管理急性穿支动脉梗死患者提供依据.方法 选取 441 例急性穿支动脉闭塞性脑梗死患者为研究对象,排除临床信息不完整 10例,多次脑梗死患者 28 例,共纳入 403 例.将结果变量分为预后良好 组[改良Rankin量表(mRS)评分 0~2 分]和预后不良组(mRS评分>2 分).采用单、多因素Logistic回归(LR)以逐步回归法分析筛选预测变量.使用LR、随机森林(RF)、支持向量机(SVM)3 种机器学习算法构建功能预后预测模型,在测试集中通过受试者操作特征(ROC)曲线的曲线下面积(AUC)、准确度、灵敏度、特异度等指标比较预测模型对患者发病 90 d功能预后的预测价值.结果 403 例患者中男性占 68.73

Baidu
map