基于KNN和RF算法构建危重患者全因死亡预测模型的研究

作     者：李惠萍 胡安民 

作者机构：深圳市人民医院呼吸与危重症医学科518020 深圳市人民医院麻醉科 

出 版 物：《中国卫生统计》 (Chinese Journal of Health Statistics)

年 卷 期：2020年第37卷第2期

页      面：224-227页

核心收录：

学科分类：12[管理学] 1004[医学-公共卫生与预防医学(可授医学、理学学位)] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 100401[医学-流行病与卫生统计学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学] 

基　　金：国家自然科学基金(81100189) 

主　　题：医疗大数据 重症监护室 预测模型 机器学习 

摘      要：目的评估机器学习算法对单中心危重患者全因死亡率的预测性能。方法采用美国大型重症医学数据库MIMIC-III作为数据来源,建立基于机器学习的K最近邻(KNN)和随机森林(RF)开发评估重症患者预后的预测模型,并与传统的简化急性生理评分-II(SAPS-II)进行比较。使用Boruta进行特征变量的筛选,通过交叉验证对模型性能进行评估,主要研究结局为危重患者90d死亡率。结果研究纳入30833例患者,SAPS-II评分[中位数(四分位间距)]为33(25~43),其中5534例(17.9%)患者在进入ICU后90d内死亡。3种模型得到的AUC值分别为:SAPS-II模型0.75±0.03,KNN模型0.75±0.03,RF模型0.80±0.03。结论与传统的SAPS-II评分相比,机器学习算法中的RF模型可以更精准地预测危重患者的预后。