期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
上尿路结石术后尿源性脓毒血症人工智能预警模型:基于临床多模态数据
1
作者
陈永文
罗小燕
+9 位作者
梁燕秋
王于路
谭宝飞
陈一峰
梁彬
黄倍源
韦嘉佳
王祖恒
王富博
庞桂建
《海军军医大学学报》
北大核心
2025年第7期889-897,共9页
目的利用多种机器学习算法构建并验证上尿路结石患者术后发生尿源性脓毒血症的预测模型。方法纳入2018年6月至2023年6月在广西医科大学第六附属医院接受手术治疗的上尿路结石患者7464例,其中622例(8.33%)术后发生尿源性脓毒血症。将所...
目的利用多种机器学习算法构建并验证上尿路结石患者术后发生尿源性脓毒血症的预测模型。方法纳入2018年6月至2023年6月在广西医科大学第六附属医院接受手术治疗的上尿路结石患者7464例,其中622例(8.33%)术后发生尿源性脓毒血症。将所有患者按7∶3比例分为训练集(5224例)和验证集(2240例)。采用极限梯度提升(XGBoost)、logistic回归、轻量级梯度提升机(LightGBM)、随机森林(RF)、自适应增强(AdaBoost)、梯度提升决策树(GBDT)6种机器学习算法构建术后发生尿源性脓毒血症预测模型,并通过ROC曲线、沙普利加性解释(SHAP)分析、校准曲线和决策曲线分析(DCA)评估模型的预测能力和临床效益等。结果纳入模型的临床参数包括BMI、手术次数、心率、Barthel指数、静脉血栓栓塞(VTE)风险评分、性别、美国麻醉医师协会(ASA)分级、尿亚硝酸盐及尿白细胞。在训练集中,XGBoost、LightGBM和RF模型表现优异,ROC曲线AUC值均达到1.00。在验证集中,logistic回归模型表现最佳,ROC曲线AUC值为0.76,具有较好的预测稳定性和校准度;AdaBoost和GBDT模型次之,AUC值分别为0.74和0.75,而LightGBM、XGBoost和RF模型的AUC值分别为0.71、0.70和0.68。在模型的可解释性方面,SHAP分析显示,变量贡献度由大到小依次为心率、尿白细胞、性别、BMI、Barthel指数、VTE风险评分、尿亚硝酸盐、手术次数和ASA分级。结论成功构建上尿路结石术后发生尿源性脓毒血症的早期风险预测logistic回归模型,该模型具有较好的预测性能和校准度,可有效辅助临床诊断。
展开更多
关键词
上尿路结石
尿源性脓毒血症
机器学习
风险预测模型
在线阅读
下载PDF
职称材料
题名
上尿路结石术后尿源性脓毒血症人工智能预警模型:基于临床多模态数据
1
作者
陈永文
罗小燕
梁燕秋
王于路
谭宝飞
陈一峰
梁彬
黄倍源
韦嘉佳
王祖恒
王富博
庞桂建
机构
广西医科大学
第六附属医院泌尿外科
广西医科大学数字医学与健康高校工程研究中心
出处
《海军军医大学学报》
北大核心
2025年第7期889-897,共9页
基金
广西科技重大专项(桂科AA22096030,桂科AA22096032)
广西医科大学基因组重点实验室开放课题(GXGPMC202304)。
文摘
目的利用多种机器学习算法构建并验证上尿路结石患者术后发生尿源性脓毒血症的预测模型。方法纳入2018年6月至2023年6月在广西医科大学第六附属医院接受手术治疗的上尿路结石患者7464例,其中622例(8.33%)术后发生尿源性脓毒血症。将所有患者按7∶3比例分为训练集(5224例)和验证集(2240例)。采用极限梯度提升(XGBoost)、logistic回归、轻量级梯度提升机(LightGBM)、随机森林(RF)、自适应增强(AdaBoost)、梯度提升决策树(GBDT)6种机器学习算法构建术后发生尿源性脓毒血症预测模型,并通过ROC曲线、沙普利加性解释(SHAP)分析、校准曲线和决策曲线分析(DCA)评估模型的预测能力和临床效益等。结果纳入模型的临床参数包括BMI、手术次数、心率、Barthel指数、静脉血栓栓塞(VTE)风险评分、性别、美国麻醉医师协会(ASA)分级、尿亚硝酸盐及尿白细胞。在训练集中,XGBoost、LightGBM和RF模型表现优异,ROC曲线AUC值均达到1.00。在验证集中,logistic回归模型表现最佳,ROC曲线AUC值为0.76,具有较好的预测稳定性和校准度;AdaBoost和GBDT模型次之,AUC值分别为0.74和0.75,而LightGBM、XGBoost和RF模型的AUC值分别为0.71、0.70和0.68。在模型的可解释性方面,SHAP分析显示,变量贡献度由大到小依次为心率、尿白细胞、性别、BMI、Barthel指数、VTE风险评分、尿亚硝酸盐、手术次数和ASA分级。结论成功构建上尿路结石术后发生尿源性脓毒血症的早期风险预测logistic回归模型,该模型具有较好的预测性能和校准度,可有效辅助临床诊断。
关键词
上尿路结石
尿源性脓毒血症
机器学习
风险预测模型
Keywords
upper urinary tract calculus
urosepsis
machine learning
risk prediction model
分类号
R699 [医药卫生—泌尿科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
上尿路结石术后尿源性脓毒血症人工智能预警模型:基于临床多模态数据
陈永文
罗小燕
梁燕秋
王于路
谭宝飞
陈一峰
梁彬
黄倍源
韦嘉佳
王祖恒
王富博
庞桂建
《海军军医大学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
