首页|基于机器学习算法对STEMI患者院内及1年内心血管不良事件预测体系的研究

基于机器学习算法对STEMI患者院内及1年内心血管不良事件预测体系的研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
目的 探讨基于机器学习算法对ST段抬高型心肌梗死(STEMI)患者院内及1年内心血管不良事件预测体系.方法 选择就诊并经药物治疗的STEMI患者165例为对象,根据患者院内及1年内是否发生心血管不良事件将其分为发生组和未发生组.查阅2组资料,基于机器学习算法,分别采用支持向量机(SVM)、随机森林法(RF)和卷积神经网络(CNN)构建STEMI患者院内及1年内心血管不良事件预测模型,并进行评价和比较.结果 165例STEMI患者院内及1年内心血管不良事件发生53例.发生组外周动脉疾病史、卒中病史、入院药物治疗、出院后用药、血小板计数、C反应蛋白及D-二聚体水平高于未发生组,差异有统计学意义(P＜0.05);预测模型中训练集中马修斯系数SVM;测试集中RF＞SVM＞CNN;训练集中FI系数RF＞CNN＞SVM;训练集中曲线下面积SVM最高,而测试集中XGBoost最高.结论 基于机器学习算法SVM及RF预测模型性能在敏感度与准确度上优于CNN;STEMI患者院内及1年内心血管不良事件预测因子,能针对可能的影响因素及预测结果制定针对性的干预措施,以改善患者预后.

田永福、魏雯静

展开 >

宁夏中卫市人民医院心血管内科,宁夏中卫 755000

机器学习算法 ST段抬高型心肌梗死 心血管不良事件 预测体系

宁夏中卫市重点研发计划

2023BUS53004

2024

10.13621/j.1001-5949.2024.05.0444

宁夏医学杂志
中华医学会宁夏分会

宁夏医学杂志

影响因子：0.706
ISSN：1001-5949
年,卷(期)：2024.46(5)
  • 20