期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于机器学习算法构建慢性阻塞性肺疾病吸入剂治疗患者不良吸入风险预警模型
1
作者 周丽娟 温贤秀 +7 位作者 吴海燕 蒋蓉 王旋 苟莉 吕琴 张丁丁 黄茜 吴行伟 《医药导报》 CAS 北大核心 2024年第9期1509-1518,共10页
目的构建并验证接受吸入剂治疗的慢性阻塞性肺疾病(COPD)患者不良吸入的风险预测模型,为不良吸入的个体化预防提供决策支持工具。方法采用横断面研究,收集COPD吸入剂治疗患者相关数据,形成数据集。按4:1将数据集随机分为训练集和测试集... 目的构建并验证接受吸入剂治疗的慢性阻塞性肺疾病(COPD)患者不良吸入的风险预测模型,为不良吸入的个体化预防提供决策支持工具。方法采用横断面研究,收集COPD吸入剂治疗患者相关数据,形成数据集。按4:1将数据集随机分为训练集和测试集,通过采用4种不同的缺失值填补方法、3种变量特征筛选方法以及18种机器学习算法,在训练集上构建模型。在测试集中使用蒙特卡罗模拟法进行重采样,验证模型,以曲线下面积(AUC)、准确率、精准率、召回率和F1值评估模型性能。选择最优模型用于构建不良吸入预测平台。结果共纳入COPD患者308例,135例(43.8%)存在不良吸入风险。根据33个特征变量构建了216个风险预警模型,其中,集成学习算法的平均AUC最大,为0.844±0.058[95%CI=(0.843,0.845)]。216个模型在预测性能方面差异有统计学意义(P<0.01)。在集成学习算法下,吸入剂使用依从性(38.0874%)、吸入剂满意度(25.6801%)、教育水平(24.0313%)、吸入剂数量(5.4823%)、年龄(4.2045%)和过去一年急性加重频次(2.1847%)对预测模型贡献最大。该模型展现出良好的预测性能,其AUC 0.8693、准确率83.87%、精准率86.96%、召回率74.07%、F1值0.8。结论该研究构建的COPD吸入剂治疗患者不良吸入风险的预测模型预测能力良好,具有一定潜在临床应用价值。 展开更多
关键词 慢性阻塞性肺疾病 吸入剂 不良吸入 机器学习 预测模型
下载PDF
使用机器学习建立慢性阻塞性肺疾病患者重度气流受限风险预警模型研究 被引量:5
2
作者 周丽娟 温贤秀 +4 位作者 吕琴 蒋蓉 吴行伟 周黄源 向超 《中国全科医学》 CAS 北大核心 2022年第2期217-226,共10页
背景气流受限程度是评价慢性阻塞性肺疾病(COPD)患者疾病进展的关键指标。然而由于检查禁忌、依从性等问题,导致部分患者难以开展相关检查,无法评价疾病严重程度。目的建立并评估基于机器学习算法的COPD患者重度气流受限风险预警模型。... 背景气流受限程度是评价慢性阻塞性肺疾病(COPD)患者疾病进展的关键指标。然而由于检查禁忌、依从性等问题,导致部分患者难以开展相关检查,无法评价疾病严重程度。目的建立并评估基于机器学习算法的COPD患者重度气流受限风险预警模型。方法采用横断面设计调查2019年1月至2020年6月四川省某三甲医院的COPD住院患者,收集患者一般临床指标与肺功能检查数据。将数据按8∶2比例随机分为训练集和测试集,在训练集中使用4种缺失值填充方法、3种特征筛选方法、17种机器学习和1种集成学习算法构建216种风险预警模型。采用ROC曲线下面积(AUC)、准确率、精确率、召回率和F1值评价模型的预测性能,分别使用十折交叉验证法和Bootstrapping算法进行内部验证和外部验证。使用测试集数据进行模型测试和选择。使用后验法进行样本量验证。结果共纳入418例患者,其中212例(50.7%)患者存在重度以上气流受限风险。经4种缺失值处理和3种特征筛选后,共获得12个处理后的数据集及12种影响气流受限因素的重要性排序,结果显示,呼吸困难指数评分(mMRC)等级、年龄、体质指数(BMI)、吸烟史(有、无)、慢性阻塞性肺疾病评估表(CAT)评分、呼吸困难(有、无)在变量特征排序中居于前列,是构造模型的关键指标,对结果预测有重要作用。其中,采取不填充、Lasso筛选方法后,mMRC等级、吸烟史(有、无)、呼吸困难(有、无)为位居前3位的预测因子,mMRC等级占特征重要性的54.15%。使用不填充、Boruta筛选方法后,CAT评分、年龄、mMRC等级为位居前3位的预测因子,CAT评分占特征重要性的26.64%。使用17种机器学习和1个集成学习算法对12个数据集分别建模,共得216个预测模型。17种机器学习算法十折交叉验证结果显示,不同算法预测性能比较,差异有统计学意义(P<0.05),随机梯度下降算法的平均AUC最大,为(0.738±0.089)。使用Bootstrapping算法对测试集进行外部验证结果显示,不同算法所得模型的预测性能比较,差异有统计学意义(P<0.05),集成学习算法的平均AUC最大,为(0.757±0.057)。利用Bootstrapping算法对4种缺失值处理和3种特征筛选预测性能评价结果显示,当不填充和Lasso筛选时,可提高模型的性能,差异有统计学意义(P<0.05)。使用测试集数据对216个机器学习模型进行测试,最佳模型的AUC为0.7909,准确率为75.90%,精确率为75.00%,召回率为78.57%,F1值为0.7674。样本量验证结果提示研究样本量可满足建模需求。结论本研究建立并评价了COPD患者重度气流受限风险预警模型,mMRC等级、年龄、BMI、CAT评分、是否有吸烟史和呼吸困难是影响气流受限的关键指标。该模型预测效果良好,具有潜在的临床应用前景。 展开更多
关键词 肺疾病 慢性阻塞性 机器学习 气流受限程度 肺功能 呼吸功能试验 预测模型
下载PDF
论胸外科手术围术期康复管理现状
3
作者 钱微微 彭夏莹 谢升龙 《中文科技期刊数据库(引文版)医药卫生》 2022年第7期299-302,共4页
近年来,得益于医疗技术的飞速发展,胸外科手术及手术相关并发症的预防和管理均取得了重大进展,众多胸外科手术相关临床患者的临床结果及预后显著改善, 同时也促进了干预措施的实施,减少了术中不良事件及术后并发症的发生。从胸外科手术... 近年来,得益于医疗技术的飞速发展,胸外科手术及手术相关并发症的预防和管理均取得了重大进展,众多胸外科手术相关临床患者的临床结果及预后显著改善, 同时也促进了干预措施的实施,减少了术中不良事件及术后并发症的发生。从胸外科手术术前,术中,术后,及社区多方面通过文献综述形式系统地阐明国内外胸外科手术围术期康复管理发展现状并揭示存在的局限性,以探讨围术期康复管理的发展对接受胸外科手术患者的获益和未来康复管理体制发展方向。 展开更多
关键词 胸外科 手术围术期 康复管理
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部