基于XGboost学习算法构建模型对缺血性脑卒中合并房颤患者并发肺部感染的预测价值

作     者：王小曼 韩梦琦 张晓林 俞鹏飞 罗颢文 刘建模 刘松 易应萍 WANG Xiao-man;HAN Meng-qi;ZHANG Xiao-lin;YU Peng-fei;LUO Hao-wen;LIU Jian-mo;LIU Song;YI Ying-ping

作者机构：南昌大学第二附属医院医疗大数据研究中心江西南昌330006 南昌大学公共卫生学院(江西省预防医学重点实验室)江西南昌330000 南昌大学第二附属医院科技处江西南昌330006 

出 版 物：《中华医院感染学杂志》 (Chinese Journal of Nosocomiology)

年 卷 期：2024年第34卷第3期

页      面：460-464页

学科分类：1002[医学-临床医学] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 10[医学] 

基　　金：国家自然科学基金地区科学基金资助项目(81960609) 科技部国家重点研发计划基金资助项目(2020YFC2002901) 江西省重点研发计划重点基金资助项目(20223BBH80013) 南昌大学第二附属医院院内基金资助项目(2021efyB03) 江西省应用研究培育计划基金资助项目(20212BAG70029) 

主　　题：缺血性脑卒中 房颤肺部感染 XGboost Logistic回归 预测模型 

摘      要：目的探讨基于XGboost学习算法构建模型对缺血性脑卒中合并房颤患者并发肺部感染的预测价值.方法选择2018年1月-2019年12月南昌大学第二附属医院收治的缺血性脑卒中合并房颤患者1075例为研究对象,按照7∶3随机分为训练集与验证集,训练集用于构建预测模型,验证集用于评价模型效果;分别采用XGboost和Logistic回归构建缺血性脑卒中合并房颤并发肺部感染的预测模型,通过灵敏度、特异度和受试者特征(ROC)曲线下面积(AUC)评价模型的预测效果.结果共纳入1075例缺血性脑卒中合并房颤患者,年龄(74.82±10.85)岁,其中男性554例(51.53%),肺部感染341例(31.72%);Logistic回归分析模型和XGboost模型的AUC分别为0.671和0.723,灵敏度分别为72.63%和79.01%,特异度分别为68.10%和62.42%,约登指数分别为0.407和0.414.结论在针对缺血性脑卒中合并房颤患者是否并发肺部感染预测研究中,基于XGboost算法构建的预测模型较Logistic具有良好的预测效能.