朴素贝叶斯分类器在化疗所致恶心呕吐风险预测模型上的应用

目的研究朴素贝叶斯分类器在化疗所致恶性呕吐风险预测模型上的应用,构建基于中国患者的化疗所致恶性呕吐风险预测模型。方法收集2020年7~9月中南大学湘雅二医院肿瘤中心300例住院化疗患者的基本资料和治疗方案,并随访患者出院后临床资料。对治疗方案中的特征和患者个体特征进行相关性分析,对相关性大于0.8的两个特征,分别计算两个特征对模型评价指标曲线下面积的贡献,去除其中贡献相对较小的特征。使用机器学习库scikit-learn中的朴素贝叶斯分类器作为化疗所致恶心呕吐风险预测模型,使用10折分层随机分割交叉验证得到模型最终结果。其中70%的样本用来训练机器学习模型,30%的样本作为测试集用来衡量模型的表现。结果急性化疗所致恶心呕吐风险预测灵敏度为0.83±0.04(95%CI:0.80~0.86),特异度为0.45±0.03(95%CI:0.42~0.47),曲面下面积为0.72±0.04(95%CI:0.69~0.75)。延迟性化疗所致恶心呕吐风险预测灵敏度为0.84±0.01(95%CI:0.83~0.86),特异度为0.48±0.03(95%CI:0.45~0.52),曲面下面积为0.74±0.02(95%CI:0.72~0.77)。结论在本研究中,基于朴素贝叶斯分类器构建了适用于中国肿瘤患者的化疗致所致恶心呕吐风险预测模型,具有较好的预测效果,为化疗致所致恶心呕吐风险预测模型提供新的研究方向和思路。