基于PSO-XGBoost机器学习模型的中老年人PCNL术后结石残留预测研究

摘要：

目的:基于粒子群优化算法(PSO)的XGBoost模型(PSO-XGBoost)预测中老年患者经皮肾镜碎石术(PCNL)后的泌尿系统结石残留情况.方法:选取2014年1月至2018年12月在某三级甲等医院接受PCNL治疗的596例中老年肾结石患者为研究对象.将数据集按7:3的比例随机分为训练集和测试集,建立PSO-XGBoost模型,以准确度、精准度、召回率、F1值和ROC曲线下面积(AUC)等指标评估模型性能.结果:PSO-XGBoost模型预测PCNL术后泌尿系统结石残留的准确度、精准度、召回率、F1值和AUC均优于支持向量机、近邻算法、决策树和BP神经网络模型.结论:PSO-XGBoost模型可更快、更准确地预测中老年患者PCNL术后是否有泌尿系统结石残留,为制定术后个性化治疗、护理方案提供参考.

关键词：机器学习、XGBoost模型、粒子群优化算法、肾结石、经皮肾镜取石术

所属期刊栏目：18

分类号：R691.4;R319(泌尿科学（泌尿生殖系疾病）)

资助基金：国家重点研发计划;国家重点研发计划;广州市科技计划项目;广东省科技创新战略专项;大学生创新创业训练项目

在线出版日期：2023-10-30（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：24-29