期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于随机森林算法的老年轻型缺血性脑卒中患者衰弱现状及风险模型构建
1
作者 马玉婷 王小燕 窦丽 《中华老年心脑血管病杂志》 北大核心 2025年第2期187-191,共5页
目的基于随机森林算法探讨老年轻型缺血性脑卒中患者衰弱的影响因素及风险预测的应用效果。方法整群抽样选取2022年1~6月新疆医科大学第二附属医院神经诊疗中心收治的老年轻型缺血性脑卒中患者322例,根据衰弱筛查量表分为非衰弱组261例... 目的基于随机森林算法探讨老年轻型缺血性脑卒中患者衰弱的影响因素及风险预测的应用效果。方法整群抽样选取2022年1~6月新疆医科大学第二附属医院神经诊疗中心收治的老年轻型缺血性脑卒中患者322例,根据衰弱筛查量表分为非衰弱组261例和衰弱组61例。比较2组一般临床资料、日常生活活动能力量表、老年抑郁量表-15、社会支持评定量表、36项简明健康调查问卷和简易智能状态检查量表评分。采用随机森林算法构建老年轻型缺血性脑卒中患者衰弱风险预测模型,采用ROC曲线分析预测价值。结果老年轻型缺血性脑卒中患者衰弱发生率为18.94%。衰弱组年龄、婚姻状况、个人月收入、医疗费用支付情况、睡眠情况及共患疾病种类比较,差异有统计学意义(P<0.01)。衰弱组支持利用度、简明健康状况、生理功能、生理职能、躯体疼痛、总体健康、社会功能、情感职能显著低于非衰弱组,日常生活活动能力量表、老年抑郁量表-15评分显著高于非衰弱组,差异有统计学意义(P<0.05)。随机森林模型显示,准确性为88.28%,敏感性为88.24%,特异度性88.89%,F1score为0.933,曲线下面积为0.816。采用随机森林算法通过变量重要性评分对老年轻型缺血性脑卒中患者衰弱影响因素的重要变量给予排序,在前5位的重要预测变量分别为:患疾病的种类(≥2种)、睡眠情况、36项简明健康调查问卷评分、日常生活活动能力量表评分、个人月收入(<2000元)。结论应用随机森林算法构建老年轻型缺血性脑卒中患者衰弱风险预测模型,尽早识别衰弱关键因素,为临床医护人员开展早期干预提供实证依据,提高老年轻型缺血性脑卒中患者健康水平和生存质量,阻止或延缓衰弱的发生。 展开更多
关键词 卒中 衰弱 预测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部