摘要
目的 探讨头颈部肿瘤放疗患者吸入性肺炎的危险因素,通过机器学习建立预测模型并筛选最优模型.方法 选取 2016 年 5 月～2023 年 3 月福建省肿瘤医院诊治的 1 012 例头颈部肿瘤放疗患者作为研究对象,按照 3:1 的比例随机分成训练集和验证集.使用最小绝对收缩和选择算子算法(The least absolute shrinkage and selection operator,LASSO)筛选危险因素.建立Logistic 回归、贝叶斯网络、随机森林、支持向量机、极端梯度提升 5 个机器学习预测模型,并评估模型的预测效能.结果 训练集中吸入性肺炎发生率为 19.0%(144/759),LASSO算法筛选的 4 个非零系数变量分别为年龄、饮酒、肿瘤类型、吞咽困难.在训练集和验证集中,随机森林的AUC分别为 0.830(95%CI:0.788～0.872)和0.870(95%CI:0.792～0.948),F1 值分别为 0.575 和 0.633,均高于其他 4 种预测模型.结论 吸入性肺炎是头颈部肿瘤放疗患者常见并发症.在机器学习建立的 5 种模型中,随机森林模型的预测效果最好,为临床医护人员识别高危患者并采取积极有效的预防措施提供依据.
NETL
NSTL
万方数据