-
题名危重症指标相关性分析模型
- 1
-
-
作者
张力戈
陈芋文
秦小林
易斌
李雨捷
-
机构
中国科学院成都计算机应用研究所
中国科学院大学
中国科学院重庆绿色智能技术研究院
陆军军医大学第一附属医院
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第19期156-163,共8页
-
基金
国家重点研发计划(2018YFC0116704)
重庆市科技创新与应用研发项目(cstc2019jscx-msxmX0237)
+1 种基金
四川省科技计划(2019ZDZX0005,2019ZDZX0006,2020JDR0006)
陆军军医大学第一附属医院伦理委员会批准项目(KY201936)。
-
文摘
患者术前与术中检测指标的选择影响危重症预测的实时性和准确性。目前患者术前和术中检测指标种类繁多,很难找到它们与危重症之间的潜在联系。针对患者检测指标与危重症之间的关联,提出了基于机器学习的危重症核心指标分析模型。模型通过统计方法与斯皮尔曼等级相关系数去除冗余指标,结合XGBoost模型分析各指标对危重症风险预测的贡献,以此作为各指标与危重症之间的相关性,并提取对应危重症核心指标。选取肝衰与肾衰患者数据对模型进行实验验证,结果表明,该模型能有效分析指标与危重症之间的相关性,提取的核心指标在危重症预测中的效果略高于全部指标。
-
关键词
危重症预测
斯皮尔曼等级相关系数
XGBoost
指标分析
-
Keywords
prediction of critical illness
Spearman’s rank correlation coefficient
XGBoost
analysis of indicators
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
