摘要
目的： 1.探究血管外科术后患者深静脉血栓形成的高危因素，得到各因素对深静脉血栓形成的影响大小。 2.构建基于BP神经网络的深静脉血栓形成的预测模型，预测血管外科术后患者深静脉血栓形成发生,识别高危患者，为临床决策和护理工作提供帮助。 方法： 纳入2021年1月至2022年3月本院血管外科收治的500例术后患者为研究对象，根据7：3的比例分为训练集（350例）和验证集（150例）。记录训练集和验证集患者DVT情况及临床资料，通过绘制Kaplan-Meier曲线分析2组患者深静脉血管形成风险。利用Python将最终获得的训练集数据根据DVT发生与否标签（未发生=0，发生=1）整理数据，采用SPSS22.0软件中Logistic回归数据包筛选血管外科患者DVT的影响因素。使用Python软件构建多层感知器并训练人工神经网络（artificial neural network，ANN），通过绘制ROC曲线、决策曲线评估模型预测效能。 结果： 训练数据和验证数据中患者的临床信息以及DVT发生的风性进行对比，结果表明两者之间没有显著统计学差异（Pgt;0.05）。训练集350例患者中89例患者发生DVT，验证集150例患者出现39例DVT。Logistic回归分析筛选出年龄、性别、合并糖尿病、BMI、术中输血量、术后制动时间、静脉管道留置、下肢静脉曲张、术后血清D-二聚体水平是血管外科术后患者DVT的影响因素。将上述影响因素作为输入层变量构建ANN。训练集和验证集预测血管外科术后患者DVT的AUC分别为0.92，0.93、精准度分别为86.2%，84%；决策曲线分析三种激活函数效果也有差异，sigmoid对应的8%~49%阈值，有正收益；tanh和ReLU 在6%~93%阈值区间有正收益；整体上，ReLU的正收益更大。 结论： 构建的ANN能准确预测血管外科术后患者深静脉血栓形成情况，可用于临床血管外科术后患者DVT的预测中。
NETL