机器学习算法对危重患者死亡率预测效能的比较

摘要：

目的 检测支持向量机(SVM)和随机森林(RF)两种机器学习算法对单中心重症患者30 d死亡率预测性能.方法 使用美国重症医学数据库(MIMIC-Ⅲ)作为数据来源,纳入波士顿贝斯以色列女执事医疗中心接受重症监护的成年患者,使用SVM和RF算法构建重症患者30 d死亡率的预测模型,通过与传统的简化急性生理评分-Ⅱ(SAPS-Ⅱ)模型比较,并使用十折交叉验证法对模型性能进行评估.结果 研究纳入30833例患者,SAPS-Ⅱ评分为33(25,43),其中2909例(9.4％)患者在进入ICU后30 d内死亡.传统SAPS-Ⅱ评分模型的曲线下面积为0.73±0.02,而机器学习算法的SVM、RF预测模型的AUC值分别为0.75±0.02和0.79±0.02.结论 SVM模型对危重患者30 d全因死亡率预测与传统的SAPS-Ⅱ评分效能相仿,而RF模型对危重患者的预后预测更加精准.

关键词：医疗大数据、重症患者、预测模型、机器学习

所属期刊栏目：41

分类号：R181.2;O141.41(流行病学与防疫)

资助基金：广东省高水平医院建设基金

在线出版日期：2020-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1642-1646