期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于可解释机器学习的肝硬化患者早期并发食管静脉曲张风险预测研究
1
作者 尹钰恒 王雨雯 +2 位作者 范捷 杨春 王伟 《重庆医科大学学报》 北大核心 2025年第3期389-396,共8页
目的:探讨肝硬化患者并发食管静脉曲张的风险因素,并建立预测模型,以便为预防肝硬化患者早期并发食管静脉曲张提供合理的指导。方法:回顾性纳入2006年12月至2021年5月在重庆医渡云大数据平台有电子记录的1113例肝硬化患者。通过结合递... 目的:探讨肝硬化患者并发食管静脉曲张的风险因素,并建立预测模型,以便为预防肝硬化患者早期并发食管静脉曲张提供合理的指导。方法:回顾性纳入2006年12月至2021年5月在重庆医渡云大数据平台有电子记录的1113例肝硬化患者。通过结合递归特征消除算法(recursive feature elimination,RFE)和4种机器学习方法筛选特征,建立5种机器学习预测模型,包括逻辑回归、随机森林、支持向量机(support vector machine,SVM)、决策树和极端梯度提升(eXtreme Gradient Boosting,XGBoost)模型。通过绘制受试者工作特征(receiver operating characteristic,ROC)曲线评估不同模型的性能,并根据表现最优的模型分析肝硬化患者并发食管静脉曲张的风险因素。SHAP图用于解释各风险因素对患者的影响。结果:XGBoost模型在预测肝硬化患者并发食管静脉曲张的风险方面表现最佳,ROC曲线下面积为0.872(95%CI=0.813~0.918)。SHAP图表明,影响肝硬化患者并发食管静脉曲张的风险因素包括血小板计数、门静脉内径、胆碱酯酶、白蛋白、谷丙转氨酶、血红蛋白、凝血酶原比值、凝血酶原时间和血清总蛋白等9项临床指标。结论:本研究构建的XGBoost预测模型具有较高的预测价值,其筛选出的风险因素对临床防治肝硬化患者早期并发食管静脉曲张具有一定的指导意义。 展开更多
关键词 机器学习 肝硬化 食管静脉曲张 风险因素
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部