文献类型：期刊文章

作　　者：罗颢文[1] 涂江龙[2] 刘建模[1] 俞鹏飞[1] 葛艳秋[3] 易应萍[1]

LUO Hao-wen;TU Jiang-long;LIU Jian-mo;YU Peng-fei;GE Yan-qiu;YI Ying-ping(Department of Information,Second Affiliated Hospital of Nanchang University,Nanchang,Jiangxi 330006,China;不详)

机构地区：[1]南昌大学第二附属医院信息处,江西南昌330006 [2]南昌大学第二附属医院神经内科,江西南昌330006 [3]南昌大学医学部公共卫生学院,江西南昌330006

出　　处：《现代预防医学》

基　　金：国家重点研发计划(2018YFC1312902);国家自然科学基金(81960609);江西省重点研发计划(2018ACH80004)。

年　　份：2020

卷　　号：47

期　　号：22

起止页码：4038-4041

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、IC、RCCSE、ZGKJHX、核心刊

摘　　要：目的采用不同特征选择技术构建基于机器学习的预测模型,探讨江西地区缺血性脑卒中患者发生肺部感染的风险因素,为江西地区缺血性脑卒中合并肺部感染的控制和预防提供参考。方法分别采用互信息、Lasso回归、决策树对特征进行筛选,比较XGboost、SVM、随机森林、MLP、logistic回归在缺血性脑卒中合并肺部感染模型中的效果。结果Lasso回归优于其他两种特征选择方法,筛选的侵入性操作、NIHSS评分、中性粒细胞计数等15个特征纳入最终模型,与其他分类算法相比,MLP分类性能最好,AUC与约登指数分别是0.8740(95%CI:0.8694~0.8804)和0.6267。结论Lasso回归可以限制多重共线性带来的影响,并输出高风险因素,结合MLP分类算法,能够较好的预测缺血性脑卒中患者是否会发生肺部感染,为其精准防控提供借鉴,具有一定的临床实践意义。

关 键 词：缺血性脑卒中 肺部感染 Lasso回归  MLP

分 类 号：R181.2]