基于决策树CHAID模型的切削钻机岩性识别预测

为研究某露天矿LWD-200B型切削钻机自动钻进参数与岩石性质关系,在现场通过钻机钻进参数记录仪对与岩性相关的钻进参数实时采集,通过对钻进过程中的岩屑的观察分析确定不同岩石的性质与位置,运用Clementine软件的决策树CHAID模型对数据进行统计分析,对工作平台的岩层分布情况进行预测。

基于决策树模型的罗湖区人工流产方式流行病学特征及影响因素研究

目的:探讨基于决策树模型的罗湖区人工流产方式的流行病学特征及其影响因素。方法:回顾性纳入深圳罗湖区医院集团所属医疗机构在2021年9月—2022年10月收治的人工流产女性共9 245例,根据人工流产方式将其划分为药物组(2 004例)和手术组(7 241例),进行数据分析和结果评估。采用单因素和多因素法对人工流产方式的流行病学特征进行分析,确定影响人工流产方式选择的独立因素;同时基于决策树模型评估药物组和手术组两种人工流产方式的优缺点。结果:单因素分析结果显示,孕周、年龄、人工流产方式偏好情况、受教育程度、婚姻状况及生育情况均可能与人工流产方式选择有关(P<0.05)。多因素分析结果显示,孕周、年龄、人工流产方式偏好情况、受教育程度及生育情况是影响人工流产方式选择的独立因素(P<0.05)。决策树模型构建结果显示,孕周、人工流产方式偏好情况、婚姻状况及生育情况可直接影响人工流产方式选择,其中人工流产方式偏好情况影响最为显著。决策树模型预测分类与真实分类基本一致,模型预测错误率为10.00%,说明决策树模型的预测错误率与Logistic回归模型相同,均为10.00%,表明该模型具有良好的拟合度。结论:罗湖区人工流产方式选择受孕周、人工流产方式偏好情况、婚姻状况及生育情况等因素影响。其中,人工流产方式偏好情况对人工流产方式选择的影响最为显著。这些发现有助于优化人工流产的个体化治疗策略,提高人工流产个体的医疗体验和治疗效果。

脑梗死患者降压治疗达标影响因素决策树模型分析

目的探讨决策树模型对脑梗死患者降压治疗后血压达标影响因素的评估价值,为脑梗死二级预防中的降压治疗提供数据支持。方法建立Logistics回归模型和决策树模型,采用受试者工作特征曲线(Receiver Operating Characteristic,ROC)比较两种模型。结果决策树模型显示,脑梗死患者降压治疗血压达标影响因素主要包括规律运动、药物基因检测指导下的个体化用药、居住地区、居住情况。ROC曲线分析结果显示,决策树模型准确率(83.5%)和ROC曲线下面积(Area Under Curve,AUC,0.896)均高于Logistic回归模型。结论决策树模型在脑梗死患者降压治疗后血压达标预测方面具有良好的应用价值,优于Logistic回归模型。

急性有机磷农药中毒继发肺损伤相关因素-基于随机森林和决策树模型

目的探讨急性有机磷农药中毒(AOPP)继发肺损伤相关因素,制定合理方式措施,减少肺损伤发生风险。方法选取2021年3月至2023年3月南阳市第一人民医院收治的102例AOPP患者作为研究对象,根据发病至入院12 h内肺损伤发生率分为肺损伤组和非肺损伤组,比较两组一般资料、实验室指标等,采用随机森林和决策树模型分析AOPP继发肺损伤影响因素,绘制受试者工作特征(ROC)曲线及曲线下面积(AUC)分析两种模型预测效能。结果102例AOPP患者肺损伤发生率为70.59%(72/105);决策树模型显示:服毒量≥40 mg/kg+急性生理与慢性健康评分(APACHEⅡ评分)≥15分的AOPP患者肺损伤发生率高;服毒量≥40 mg/kg+ChE<450 U/L+转移生长因子β1(TGF-β1)≥10 pg/mL+阿托品化时间≥90 h的AOPP患者肺损伤发生率高。随机森林模型显示,服毒量对AOPP患者继发肺损伤影响程度最高,其次是入院时ChE、入院时TGF-β1、阿托品化时间;ROC曲线显示,随机森林模型预测AOPP继发肺损伤准确度、特异度(88.24%、90.91%)高于决策树模型(67.65%、59.10%)(P<0.05)。结论基于随机森林模型的预测模型建立可准确预测AOPP继发肺损伤,其预测能力优于决策树模型,可协助医务人员进行临床决策,降低肺损伤发生风险。

基于Logistic回归与决策树模型的老年多重慢病及影响因素分析

目的:应用决策树模型和Logistic回归对老年多重慢病影响因素进行分析,为多重慢病的管理和防控提供依据。方法:采用多阶段分层随机抽样方法于青岛、广州、苏州抽取1273名老年人,进行老年多重慢病的问卷调查,分别建立Logistic回归模型和决策树模型,分析并比较两种分析方法结果的差异性。结果:Logistic回归结果显示年龄、婚姻状况、医疗保险、吸烟是老年多重慢病的影响因素,其中年龄是保护因素(OR<1)。决策树模型显示医疗保险是老年多重慢病的最主要影响因素,其次是吸烟、年龄和婚姻状况。两种模型分析比较结果显示,Logistic回归模型的灵敏度为74.3%,特异度为55.3%;决策树模型的灵敏度为57.2%,特异度为73.3%。结论:研究显示年龄、婚姻状况、医疗保险、吸烟是老年多重慢病的影响因素。结合运用Logistic回归模型和CHAID模型,可以有效筛选老年多重慢病的危险因素,有助于制定针对性措施,加强管理和防控。

基于决策树模型的内镜逆行胰胆管造影术后胆总管结石复发的研究

目的通过决策树模型,探讨内镜逆行胰胆管造影术(ERCP)后胆总管结石复发的危险因素及风险。方法回顾性分析该院2016年1月-2020年12月因胆总管结石行ERCP取石术的500例患者的临床资料,分别建立决策树模型和Logistic回归模型,并绘制受试者操作特征曲线(ROC curve),用曲线下面积(AUC)、敏感度和特异度对两种模型的预测效果进行评价,筛选影响ERCP后胆总管结石复发的独立危险因素,并使用模型预测患者复发风险。结果决策树分析结果显示,既往有胆道取石史(P=0.000)、胆总管直径>1.60 cm(P=0.000)和既往有胆囊切除史(P=0.004)为ERCP后胆总管结石复发的高危危险因素;多因素Logistic回归分析显示,既往有胆囊切除史(P=0.003)、既往有胆道取石史(P=0.000)、胆总管直径>1.60 cm(P=0.000)、结石数量≥2枚(P=0.001)和胆道支架(P=0.038)为影响ERCP后胆总管结石复发的独立危险因素,白蛋白≥40.5 g/L(P=0.026)为保护性因素。决策树模型与多因素Logistic回归模型相比,总体准确率为92.2%和93.3%,AUC为0.890(95%CI:0.839~0.940)和0.926(95%CI:0.887~0.964),敏感度为87.0%和85.3%,特异度为81.0%和89.2%。结论既往有胆道取石史、胆总管直径>1.60 cm和既往有胆囊切除史是影响结石复发的高危危险因素。决策树模型简单易行,可以较好地预测结石患者的复发风险,可用于筛选ERCP后胆总管结石复发的高危人群,并针对性预防。

Logistic回归与决策树模型对大面积急性岛叶梗死患者预后的预测价值

目的探讨Logistic回归模型和决策树模型对大面积急性岛叶梗死预后不良的预测价值。方法回顾性分析2019年1月—2022年12月收治的大面积急性岛叶梗死100例的临床资料,根据发病3个月后改良Rankin量表分为预后良好组和预后不良组。统计2组临床资料、实验室指标、疾病史等基线资料。构建Logistic回归模型、决策树模型分析预后不良影响因素。绘制受试者工作特征(ROC)曲线分析2种模型对预后不良的预测效能。结果发病3个月后失访3例,预后不良发生率为39.18%(38/97),预后良好率为60.82%(59/97)。Logistic回归分析显示,年龄、房颤、基线肌钙蛋白T(cTnT)、鸢尾素、闭锁蛋白(Occludin)是预后不良影响因素(P<0.01);决策树模型分析显示,年龄、房颤、基线cTnT及Occludin是预后不良影响因素;决策树模型预测预后不良的曲线下面积大于Logistic回归模型。结论年龄、房颤、基线cTnT、Occludin是大面积急性岛叶梗死患者预后不良影响因素,基于上述因素构建Logistic回归模型和决策树模型均具有良好应用价值,应结合2种模型优点,为临床诊治提供新思路。

决策树模型在中学生心理健康评估工作的应用——以天津市六力学校为例

目的:探究决策树模型能否成为中学生心理健康测评工作中可应用的高效分析手段。方法:采用决策树模型对299名中学生的554心理健康问题的代表性指标进行研究。结果:决策树分析结果显示,中学生心理问题最重要的指标是自杀分数,其次是抑郁情绪、对人焦虑和躯体症状。结论:决策树模型在中学生心理健康测评工作中能够科学地提升效率,具有一定应用价值。

基于决策树的水稻病虫害发生程度预测模型——以芜湖市为例

利用芜湖市1988—2022年7种水稻病虫害发生及种植面积数据,国家气候中心逐月大气环流和海温指数,基于C5.0决策树算法,构建一种以大气环流和海温指数作为预报因子的水稻病虫害发生程度的长期预测模型。结果表明,该模型可较好地预测未来一年芜湖市各种水稻病虫害发生程度,2022年7种病虫害发生程度预测准确率平均为85.7%,为水稻病虫害发生程度的预测提供一种有效的实用方法。

决策树联合Logistic回归模型探讨骨科清洁手术术后切口感染病原菌特点及危险因素

目的探讨我院骨科清洁手术切口感染的病原菌特点及危险因素。方法收集2018年1月-2020年12月在我院骨科行清洁手术的2264例患者资料,分析切口感染的病原菌特点,并分别建立决策树CHAID模型和Logistic回归模型,分析切口感染的影响因素,更全面地探讨导致切口感染的危险因素。结果手术后有31例(1.37%)患者发生切口感染,感染患者切口分泌物中共培养出致病菌15株,其中革兰阳性球菌10株,革兰阴性杆菌5株。决策树CHAID模型分析结果显示,手术时间>2 h、术前抗菌药物使用时间≥10 d以及既往有手术经历均是切口感染的危险因素,并且术前抗菌药物使用时间≥10 d的患者术后感染的风险最高;Logistic回归结果显示,合并糖尿病、手术时间>2 h、术前抗菌药物使用时间≥10 d以及既往有手术经历是感染发生的独立危险因素。结论通过分析切口感染的病原菌,并且利用决策树CHAID模型与Logistic回归相结合,从不同方面描述影响术后切口感染发生的因素及其作用,为制定骨科手术切口感染的预防和治疗策略提供充分的实践依据,降低了院内的感染率。

决策树C5.0与Logistic回归模型对产后腹直肌分离预测性能的比较研究

目的比较决策树C5.0与Logistic回归模型对产后腹直肌分离的预测效果。方法选取产后复查的产妇476例作为研究对象。采用问卷调查法获取产妇的一般资料;采用电刺激治疗仪评估盆底肌电值;采用腹部触诊法判断腹直肌分离程度。将所有数据按照3∶2的比例建立训练集与测试集,运用决策树C5.0及Logistic回归建立产后腹直肌分离的风险预测模型;采用准确度、灵敏度、特异度、约登指数、阴性预测值、阳性预测值和受试者工作特征(ROC)曲线的曲线下面积(AUC)对模型的预测性能进行比较。结果在训练集中,决策树C5.0和Logistic回归模型的准确度分别为96.94%、72.45%,灵敏度分别为98.92%、86.02%,特异度分别为93.52%、49.07%,阳性预测值分别为96.34%、74.42%,阴性预测值分别为98.06%、67.09%,约登指数分别为92.44%、35.10%,AUC分别为0.962、0.675;训练集中,决策树C5.0和Logistic回归模型的AUC比较,差异有统计学意义(P<0.05)。在测试集中,决策树C5.0与Logistic回归模型的准确率分别为81.50%、62.43%,灵敏度分别为88.35%、82.52%,特异度分别为71.43%、32.86%,阳性预测值分别为81.98%、64.39%,阴性预测值分别为80.65%、56.10%,约登指数分别为59.78%、15.38%,AUC分别为0.799、0.577;测试集中,决策树C5.0和Logistic回归模型的AUC比较,差异有统计学意义(P<0.05)。结论决策树C5.0对产后腹直肌分离的预测效能优于Logistic回归模型。

基于决策树构建脊柱术后病人发生尿潴留的早期预测模型

目的:构建全身麻醉脊柱术后病人拔除尿管后发生尿潴留的早期预警决策树模型。方法:回顾性收集2017年3月—2021年12月遵义市第一人民医院行脊柱外科手术治疗498例病人的相关因素、手术因素及术后因素。基于决策树建立全身麻醉脊柱术后病人拔除尿管后发生尿潴留的早期预测模型。随机抽取脊柱外科手术治疗的349例病人作为训练集,用于构建模型;剩余的149例病人作为验证集,用于评价模型效能。通过计算混淆矩受试者工作特征(ROC)曲线下面积评价决策树模型的预测性能。结果:498例病人中,90例(18.07%)术后拔除尿管后发生尿潴留。决策树模型显示,卧床时间、尿管夹闭训练、麻醉时间、留置尿管时间、拔除尿管时机是全身麻醉脊柱术后病人拔除尿管后发生尿潴留的影响因素。决策树模型预测脊柱全身麻醉术后病人拔除尿管后发生尿潴留训练集及验证集的ROC曲线下面积分别为0.909[95%CI(0.865,0.953)]和0.914[95%CI(0.845,0.982)],敏感度分别为83.3%和81.8%,特异度分别为87.9%和89.0%。两者ROC曲线下面积比较,差异无统计学意义(P>0.05)。结论:卧床时间、尿管夹闭训练、麻醉时间、留置尿管时间、拔除尿管时机是全身麻醉脊柱术后病人拔除尿管后发生尿潴留的影响因素,本研究构建的预测模型具有较好的诊断敏感性和特异性。

基于决策树和大模型的个性化计算机实验教学探索与实践

传统的计算机实验教学常受限于固定的实验内容和资源,难以满足不同学习者的个性化需求。而个性化教学由于对学习者群体进行能力评估的总体时间成本高、执行效率低,不易推行。针对上述问题,提出了一种基于决策树和大模型的学生能力评估模型,进而设计个性化推荐工具,实现了依据学习者水平自动推荐学习资料或实验任务的目的,提升了个性化实验教学的效率。

基于决策树算法构建烧伤患者发生深静脉血栓形成的风险预测模型

目的探讨烧伤患者发生深静脉血栓形成(DVT)的危险因素,并构建烧伤患者发生DVT的决策树模型。方法选取2019年2月至2023年2月进入我院进行治疗的390例烧伤患者作为研究对象,根据DVT的发生情况将患者分为DVT组和无DVT组。采用Logistic回归分析筛选烧伤患者发生DVT的危险因素,采用SPSS Modeler软件构建烧伤患者发生DVT的决策树模型,并分析烧伤患者发生DVT的决策树模型的预测效能。结果390例烧伤患者中有63例患者发生DVT,DVT的发生率为16.15%(63/390)。Logistic回归分析结果显示,年龄≥60岁、下肢烧伤、烧伤总面积≥30%TBSA、糖尿病、卧床时间及创面感染等是烧伤患者发生DVT的危险因素(P<0.05)。烧伤患者发生DVT的决策树模型选择了下肢烧伤、烧伤总面积、糖尿病、卧床时间及创面感染等5个临床特征作为模型的节点,其中下肢烧伤是最重要的预测因子。烧伤患者发生DVT的决策树模型的AUC是0.738(95%CI 0.668~0.807),烧伤患者发生DVT的Logistic回归模型的AUC是0.754(95%CI 0.685~0.822),决策树模型的AUC与Logistic回归模型的AUC差异无统计学意义(P>0.05)。结论年龄≥60岁、下肢烧伤、烧伤总面积≥30%TBSA、糖尿病、卧床时间及创面感染等是烧伤患者发生DVT的危险因素,本研究构建的烧伤患者发生DVT的决策树模型具有较高的准确性。

基于决策树C4.5模型的数据挖掘技术在学生成绩分析中的应用研究

文章采用了决策树C4.5模型的数据挖掘技术对某高校21级软件专业的学生成绩进行深度分析,并生成决策树,同时挖掘出学生的期末考试成绩与课堂表现、考勤和平时实验有着密切的关系,找出影响该门课程考试成绩的关键因素是课堂表现,此结论能够对学生的学习,教师和教学管理者的工作起到指导作用。

基于决策树模型探讨灯盏细辛和血栓通注射剂治疗脑梗死的成本-效果分析

目的:研究灯盏细辛注射液和注射用血栓通治疗脑梗死的有效性和经济性。方法:随机将我院2022年1月至2022年6月的脑梗死患者344例分为灯盏细辛组和血栓通组,每组172例,通过spss 23.0软件和决策树模型软件Treeage Pro 2022考察两组的有效率和药物经济性,并比较两组的成本-效果比值(ICER)。结果:灯盏细辛组和血栓通组总有效率分别为93%、84.9%,灯盏细辛组相比血栓通组的ICER为583.45元。单因素敏感性分析结果显示脑梗死治疗平均费用和灯盏细辛有效率对ICER值影响较大,概率性敏感性分析显示灯盏细辛相对于血栓通具有经济性概率为77%。结论:患者意愿支付阈值设为29650元,灯盏细辛治疗脑梗死具有较优的疗效和经济性。

二胎产妇产后抑郁的影响因素分析以及决策树预测模型构建

目的通过对二胎产妇产后抑郁影响因素进行分析,构建二胎产妇产后抑郁决策树预测模型,为临床二胎产妇产后抑郁干预提供可靠依据。方法随机选取2021年3月至2022年3月在安庆地区医院生产且符合条件的375名二胎产妇为研究对象,自制一般问卷调查产后抑郁影响因素,爱丁堡产后抑郁量表(EPDS)调查产后抑郁情况,通过Lasso回归、多元线性回归分析筛出二胎产妇产后抑郁影响因素并构建二胎产妇产后抑郁决策树预测模型。结果375名二胎产妇产后抑郁检出率为17.87%;Lasso回归、多元线性回归分析显示居住地、文化程度、新生儿性别满意度、新生儿健康状况、规范产检、妊娠合并症以及分娩时间为二胎产妇产后抑郁的影响因素(P<0.05);二胎产妇产后抑郁决策树模型准确率为92.80%,ROC曲线下面积为0.969。结论二胎产妇产后抑郁发生率高,影响因素多且复杂;决策树模型预测二胎产妇产后抑郁整体准确度高,具有临床应用价值。

基于决策树算法的慢性心力衰竭患者中西医预后模型构建及验证

目的运用决策树算法构建慢性心力衰竭患者的中西医预后模型并验证其预测性能。方法运用回顾性队列研究方法,选择山东中医药大学附属医院2017年1月至2019年12月符合研究标准的慢性心力衰竭住院患者作为研究对象,收集人口学信息、实验室指标及中医证候等预后信息,通过病案调查或随访获得患者复合终点事件发生情况。应用单因素Logistic回归分析、共线性诊断并结合医理确定最终的建模变量,将纳入病例按照94的比例随机分为训练集和测试集,运用训练集数据构建决策树模型,测试集数据计算准确度、灵敏度及特异度进行模型性能评估。结果(1)共纳入患者383例,发生复合终点事件者56例(14.6%),未发生复合终点事件327例(85.4%);(2)经单因素Logistic回归分析、共线性诊断并结合医理,最终确定年龄、收缩压、心率、N末端B型利尿钠肽原(NT-pro BNP)、血红蛋白、D-二聚体、冠心病病史、高血压型心脏病病史、气虚血瘀证、阳气亏虚血瘀证等共25项建模变量;(3)建立了包含高血压型心脏病病史、收缩压、NT-pro BNP及阳气亏虚血瘀证在内的决策树预后模型,经验证模型的分类准确度为85.0%,灵敏度为75.0%,特异度为86.5%。结论基于中西医预后因素并采用决策树算法,对于构建慢性心力衰竭患者的中西医预后模型具有较好的适用性,能够为中医院慢性心力衰竭患者的预后评价提供参考。

基于决策树模型的DRG优化分组探索--以新生儿疾病外科组为例

目的:探索新生儿疾病外科组的DRG优化分组方案。方法:收集某儿童医院新生儿疾病外科组病例数据,采用非参数检验、相关分析和多元线性回归分析住院费用影响因素并筛选分类节点,运用决策树模型构建DRG优化分组方案。结果:是否使用有创呼吸机、是否手术治疗、出生体重、年龄、是否进入重症监护室是影响新生儿疾病外科组患者住院费用的重要分类变量,最终形成10个DRG组及相应标准费用。结论:基于决策树模型构建的新生儿疾病外科组DRG优化分组方案符合临床实际,标准费用可客观反映医疗消耗水平。

基于决策树的高校学生贫困状态识别模型构建

针对高校学生管理过程中贫困生状态动态跟踪精确性差的问题,本文拟基于决策树技术,提出一种学生贫困状态识别模型,对学生贫困状态可进行信息分析,大大提高学生管理工作效率。现阶段贫困生数据信息是处于不断更新的状态,传统的分析手段难以依据贫困生动态数据信息及时高效的判定学生的贫困状态,导致学校不能跟踪贫困生的实时贫困信息,使得贫困生资助工作失准。本文提出的基于数据挖掘技术的贫困生贫困状态识别模型使用C4.5决策树算法,分析了决策树算法的构建过程,依据学校数据进行智慧化数据采集与预处理。在此基础上选取训练数据集进行实验,结果表明,该识别模型的准确率达97.49%。