基于机器学习方法的PCI术预后主要不良心血管事件预测模型研究

目的:通过对比分析六种典型机器学习方法构建的PCI术后12个月MACE(主要不良心血管事件)风险预测模型,获得最优MACE风险预测模型。方法:利用随机抽样和SMOTE方法进行样本均衡化处理,再分别利用CART回归树、C4.5条件树、Ada Boost、Bagging、Random Forest(RF)和Na?ve Bayes六种机器学习方法构建MACE风险预测模型。结果:SMOTE方法处理后的训练集可以提高预测模型的预测能力。利用RF算法构建的模型预测精度达到88.7%,预测能力明显优于其他模型。结论:利用RF算法构建的PCI术后发生MACE的风险预测模型,可有效帮助医护人员对患者提早进行干预指导,降低患者不良事件的发生。

糖尿病视网膜病变随访管理系统的研发与应用

目的:探索基于移动终端的糖尿病视网膜病变随访管理系统在眼科的临床应用。方法:眼科医师根据疾病诊疗特点设计数据库结构,与软件工程师合作研发糖尿病视网膜病变随访管理系统。糖尿病患者在医师指导下使用随访软件,完成随访计划。结果:糖尿病视网膜病变随访管理系统以移动App及微信公众号的形式呈现,包含个人信息、病史、系统体检、眼科专科检查、眼科治疗、系统治疗六大数据采集模块,具备移动办公、医患交流、病历管理、随访提醒、科研管理、安全防护等功能。投入临床应用,运行稳定。结论:利用随访系统跟踪管理糖尿病患者,一方面可为糖尿病视网膜病变临床诊疗决策提供参考,帮助患者明确病情并有效预防其发展;另一方面可为糖尿病视网膜病变的科学研究提供优质数据资料,具有广阔应用前景和社会效益。