基于机器学习的住院患者压力性损伤分析与预测

作     者：李清 苏强 林英 邓国英 LI Qing;SU Qiang;LIN Ying;DENG Guoying

作者机构：同济大学经济与管理学院上海200092 上海市第一人民医院护理部上海201620 上海市第一人民医院创伤中心上海201620 

出 版 物：《同济大学学报（自然科学版）》 (Journal of Tongji University:Natural Science)

年 卷 期：2020年第48卷第10期

页      面：1530-1536页

核心收录：

学科分类：12[管理学] 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] 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）] 

基　　金：国家自然科学基金重点项目(71432007) 国家自然科学基金面上项目(71972146) 上海交通大学医学院科技基金项目(JYH1813) 

主　　题：压力性损伤 支持向量机 遗传算法 概率神经网络 广义回归神经网络 

摘      要：压力性损伤是护理工作的重点,也是评价护理质量的重要指标,设计合理的评估量表和科学预测是预防的关键措施。基于传统的12个指标,再新增3个风险指标,设计更全面的风险评估量表;据此收集一段时间内住院患者的信息,采用卡方检验分析对损伤有显著影响的指标,将患者分为入院时和院内获得性压力性损伤两类,分析其特征、产生部位和分布科室。基于支持向量机、概率神经网络和广义回归神经网络3种方法建立预测模型,在支持向量机中,采用高斯核函数构建模型,并使用遗传算法优化核函数参数。比较4种场景下3种方法的预测精度,支持向量机的预测准确率最高,达到84.68%,另外2种方法的准确率较低,均为82.78%。