基于支持向量机的急性百草枯中毒预后模型的建立与评价

目的:比较支持向量机(support vector machine,SVM)和传统的Logistic回归构建的急性百草枯(paraquat,PQ)中毒早期预后判别模型的预测性能。方法:收集急性PQ中毒患者152例,随访观察2个月的临床转归情况。应用随机数字表法以3∶2的比例分为两组,一组作为训练样本用于筛选变量和建立预测模型,计91例;另一组作为验证样本,用于评价模型预测效果,计61例。建模方法采用SVM和常规统计方法中的Logistic回归。结果:通过对PQ中毒患者的预测判别验证,线性核、多项式核、Sigmoid核及径向基函数核SVM模型的预测准确率分别为77.92%、74.03%、75.32%、79.22%。对所有预测模型性能对比显示,SVM模型预测性能高于Logistic回归模型,其中径向基核函数(RBF)-SVM模型效果最好,灵敏度为87.5%,特异度为70.6%。结论:采用SVM模型能更好地整合各种影响PQ中毒患者早期预后的信息,所建立的模型具有更好的预测能力,为预测PQ中毒患者的预后提供了一种新方法。