梯度提升决策树在预测急性心肌梗死患者PCI后住院期间发生心力衰竭中的应用价值

摘要：

目的 探讨梯度提升决策树(GBDT)在预测急性心肌梗死(AMI)患者PCI后住院期间发生心力衰竭(HF)中的应用价值.方法 回顾性选取2021—2022年于南宁市第二人民医院行PCI的AMI患者200例为研究对象.将患者分为训练集(145例)和测试集(55例).根据PCI后住院期间HF发生情况,将训练集患者分为HF组(48例)和非HF组(97例).收集患者一般资料及PCI前实验室检查指标、心脏彩超检查指标.基于单因素分析结果,采用R 4.1.2软件分别构建预测AMI患者PCI后住院期间HF发生风险的GBDT算法模型和Logistic回归模型;分别采用ROC曲线、校准曲线分析GBDT算法模型、Logistic回归模型的区分度、准确性.结果 HF组年龄大于非HF组,有糖尿病病史者占比、超敏C反应蛋白(hs-CRP)、白细胞计数(WBC)、中性粒细胞计数、肌酸激酶同工酶(CK-MB)高于非HF组(P<0.05).将单因素分析中差异有统计学意义的指标纳入GBDT算法模型,通过GBDT算法获得这6项指标的相对重要性,由小到大依次为糖尿病病史(2.220)、中性粒细胞计数(7.713)、年龄(14.734)、CK-MB(16.819)、WBC(24.828)、hs-CRP(33.686).多因素Logistic回归分析结果显示,年龄、hs-CRP、WBC、中性粒细胞计数、CK-MB是训练集AMI患者PCI后住院期间发生HF的影响因素(P<0.05),构建Logistic回归模型,其具体公式为:logit(P)=-18.182+0.147×年龄+0.233×hs-CRP+0.438×WBC+0.242×中性粒细胞计数+0.003×CK-MB.ROC曲线分析结果显示,GBDT算法模型、Logistic回归模型预测训练集AMI患者PCI后住院期间发生HF的AUC分别为0.989〔95％CI(0.974,1.000)〕、0.864〔95％CI(0.786,0.942)〕;GBDT算法模型、Logistic回归模型预测测试集AMI患者PCI后住院期间发生HF的AUC分别为0.900〔95％CI(0.817,0.982)〕、0.763〔95％CI(0.639,0.888)〕.校准曲线分析结果显示,GBDT算法模型、Logistic回归模型预测训练集、测试集AMI患者PCI后住院期间发生HF的概率分别与本组AMI患者PCI后住院期间HF的实际发生率一致.结论 本研究基于年龄、糖尿病病史、hs-CRP、WBC、中性粒细胞计数和CK-MB 6个指标构建的GBDT算法模型对AMI患者PCI后住院期间发生HF有较好的预测价值,且优于传统Logistic回归模型,这可为AMI患者PCI后预后的评估及干预治疗提供参考依据.

关键词：心肌梗死、心力衰竭、决策树、梯度提升决策树、Logistic模型、预测

所属期刊栏目：31

分类号：R542.22;R541.62(心脏、血管（循环系）疾病)

在线出版日期：2023-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：14-19