摘要
目的：分析脑卒中患者30天非计划性再入院的影响因素，建立Logistic回归模型、随机森林模型和支持向量机模型，对比三种模型的预测性能，探讨再入院的相关危险因素，构建最佳预测模型，为降低脑卒中30天非计划性再入院率提供科学依据。 方法： 1.收集新疆两所三级甲等医院2020年12月-2021年6月入院的脑卒中患者的一般资料、疾病相关因素、社会经济因素、生化指标资料，采用电话的方式进行再入院随访调查。 2.用缺失值补充等方法进行数据补充整合，采用LASSO回归法筛选脑卒中患者30天非计划性再入院影响因素，将筛选出的的10项危险因素纳入预测模型。 3.建立Logistic回归、支持向量机、随机森林模型，采用Bootstrap法进行模型内部验证。通过比较ROC曲线下面积、准确率、敏感性等指标判断模型预测性能。 结果： 1.研究共调查1102名脑卒中患者，因失访、信息不全等原因，纳入1059例脑卒中病人，失访率为3.9%；其中再入院178人，非再入院881人，再入院率为16.8%。 2.LASSO回归筛选出危险因素为：吸烟[OR(95%CI)=2.629(1.770~3.938)]、入住重症监护室[OR(95%CI)=3.425(2.146~5.497)]、生活自理能力重度依赖[OR(95%CI)=1.209(0.978~1.494)]、年龄≥60岁[OR(95%CI)=5.729(3.543~9.529)]、住院时间长[OR(95%CI)=1.024(1.006~1.045)]、进行手术[OR(95%CI)=3.926(2.559~6.065)]、出血性脑卒中[OR(95%CI)=1.191(0.727~1.928)]、入院病情为危[OR(95%CI)=1.546(1.101~2.176)]、同型半胱氨酸≥15μmol/L[OR(95%CI)=1.407(0.944~2.108)]、有合并症[OR(95%CI)=1.378(0.765~2.567)]。 3.根据随机森林重要性分析显示：重要性排名前三位的危险因素为入住重症监护室、年龄≥60岁、进行手术。 4.Logistic回归模型ROC曲线下面积为0.862，准确率为0.91，敏感性为0.88，特异性为0.91，F1为0.77；支持向量机模型ROC曲线下面积为0.907，准确率为0.90，敏感性为0.86，特异性为0.92，F1为0.76；随机森林模型ROC曲线下面积为0.989，准确率为0.96，敏感性为0.95，特异性为0.97，F1为0.91。 结论： 1.吸烟、入住重症监护室、生活自理能力重度依赖、年龄≥60岁、住院时间长、进行手术、入院病情为危级、同型半胱氨酸≥15μmol/L、出血性脑卒中、有合并症为脑卒中患者30天非计划性再入院危险因素。 2.住院脑卒中患者中年龄≥60岁，住院期间曾入住重症监护室和/或进行过手术是出院后随访的重点人群，对这一类患者的关注，可以很大程度上降低脑卒中患者30天非计划性再入院的发生。 3.对于多维度、多因素且各个因素相关性高的数据类型，随机森林预测模型较Logistic回归和支持向量机预测模型特异性、敏感度和准确率更高。
NETL