基于机器学习组合优化方法的术后感染预测模型研究

摘要：

[目的]提高患者术后感染风险预测的准确性和有效性,探索基于机器学习组合预测方法建立术后感染预测模型.[方法]首先选择SMOTE、ADASYN和随机过采样三种采样技术以平衡数据集,然后结合5种常用机器学习模型生成多种预测组合,提出基于改进人工蜂群算法的采样技术与预测模型的混合预测方法,最后验证并比较多种组合预测方法的有效性.[结果]实证分析显示,采用人工蜂群算法组合策略方法下的混合模型的GM值和F1值分别达到0.7912和0.6693,相较于单一预测模型分别提升了15.15％和23.62％.[局限]模型需要在更大的SSI数据集层面进一步验证.[结论]基于人工蜂群组合优化方法的混合预测模型能够有效提高术后感染预测能力,尤其是对阳性患者的预测,为实际临床应用提供参考.

关键词：手术部位感染;预测组合;人工蜂群算法;过采样;机器学习

所属期刊栏目：5

分类号：R619;TP181(外科手术学)

资助基金：本文系国家自然科学基金项目项目编号,71972146,71974127

在线出版日期：2021-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：65-75