目的基于深静脉血栓形成(deep vein thrombosis,DVT)发生风险的评估数据,对泌尿外科肿瘤患者DVT发生风险的相关性因素及预后模型进行探究,以此辅助临床更好地进行风险评估,做出准确的预后判断并采取相应预防措施。方法抽取选用复旦大学...目的基于深静脉血栓形成(deep vein thrombosis,DVT)发生风险的评估数据,对泌尿外科肿瘤患者DVT发生风险的相关性因素及预后模型进行探究,以此辅助临床更好地进行风险评估,做出准确的预后判断并采取相应预防措施。方法抽取选用复旦大学附属肿瘤医院2019年12月—2021年12月收治的泌尿外科肿瘤患者住院期间建立的3814条DVT发生风险评估表单记录的数据。首先,对数据样本进行相关性因素提取,并行数据清洗、脱敏及结构化处理;然后,使用Mann-Whitney U检验对特征数据进行单因素分析,使用Logistic回归模型进行回归性分析,得到患者DVT发生风险的显著性相关因素;最后,基于机器学习支持向量机(support vector machine,SVM)算法和决策树算法,采用交叉验证方法训练分类器并检验相关性因素对患者DVT发生风险的预测能力。结果Mann-Whitney U检验分析结果显示,身体质量指数(body mass index,BMI)、活动、特殊风险、外科手术与患者DVT发生风险相关(P<0.05)。Logistic回归分析显示,BMI、活动、特殊风险、外科手术与患者DVT发生风险显著相关(P<0.05),SVM分类器分类结果显示最高分类准确率为0.876,ROC曲线下的面积(area under the curve,AUC)为0.904,即这4种特征可以对患者的DVT发生风险做出较为准确的预测。结论BMI、活动、特殊风险以及外科手术4种因素是泌尿外科肿瘤患者DVT发生风险的显著性相关因素。展开更多
文摘目的基于深静脉血栓形成(deep vein thrombosis,DVT)发生风险的评估数据,对泌尿外科肿瘤患者DVT发生风险的相关性因素及预后模型进行探究,以此辅助临床更好地进行风险评估,做出准确的预后判断并采取相应预防措施。方法抽取选用复旦大学附属肿瘤医院2019年12月—2021年12月收治的泌尿外科肿瘤患者住院期间建立的3814条DVT发生风险评估表单记录的数据。首先,对数据样本进行相关性因素提取,并行数据清洗、脱敏及结构化处理;然后,使用Mann-Whitney U检验对特征数据进行单因素分析,使用Logistic回归模型进行回归性分析,得到患者DVT发生风险的显著性相关因素;最后,基于机器学习支持向量机(support vector machine,SVM)算法和决策树算法,采用交叉验证方法训练分类器并检验相关性因素对患者DVT发生风险的预测能力。结果Mann-Whitney U检验分析结果显示,身体质量指数(body mass index,BMI)、活动、特殊风险、外科手术与患者DVT发生风险相关(P<0.05)。Logistic回归分析显示,BMI、活动、特殊风险、外科手术与患者DVT发生风险显著相关(P<0.05),SVM分类器分类结果显示最高分类准确率为0.876,ROC曲线下的面积(area under the curve,AUC)为0.904,即这4种特征可以对患者的DVT发生风险做出较为准确的预测。结论BMI、活动、特殊风险以及外科手术4种因素是泌尿外科肿瘤患者DVT发生风险的显著性相关因素。
