基于机器学习的重型颅脑损伤患者肠内营养相关性腹泻风险预测模型构建与验证

作     者：岳果林 

作者单位：贵州医科大学 

学位级别：硕士

导师姓名：曾晓玲;孙念梅

授予年度：2023年

学科分类：1011[医学-护理学（可授医学、理学学位）] 08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 10[医学] 

主      题：重型颅脑损伤 肠内营养 腹泻 风险预测模型 机器学习 

摘      要：目的:本研究旨在了解重型颅脑损伤患者肠内营养相关性腹泻的发生现状;探讨重型颅脑损伤患者肠内营养相关性腹泻的影响因素;构建重型颅脑损伤患者肠内营养相关性腹泻的多种机器学习算法风险预测模型,并筛选出预测能力最强的模型。以期为临床医护人员提供一种科学有效的预测工具、早期识别腹泻高危人群、制定以肠内营养为侧重点的腹泻前期预防性干预措施提供理论参考。方法:本研究为回顾性研究设计。通过便利抽样法,选择2018年1月1日至2021年12月31日在贵阳市某三级甲等医院ICU住院治疗的重型颅脑损伤患者作为研究对象。基于电子病历系统收集患者的一般资料、疾病资料、治疗资料、肠内营养资料及排便资料,按7:3原则随机分为训练集与验证集分别用于模型的构建与验证。采用Epidata3.1软件进行数据录入,采用SPSS 26.0与R4.1.3软件进行统计分析。采用单因素、多因素及Lasso回归筛选重型颅脑损伤患者肠内营养相关性腹泻的独立危险因素,构建Logistic回归模型;采用决策树与支持向量机算法进行变量重要性排序,构建决策树与支持向量机模型。绘制混淆矩阵与ROC曲线,通过AUC、精确率、召回率、准确率及F1值,评估模型的综合预测能力。结果:(1)本研究最终纳入518例重型颅脑损伤患者,发生肠内营养相关性腹泻患者177例,发生率为34.17%。(2)本研究中Logistic回归模型筛选出的预测变量为:GCS评分(OR:3.352,95%CI:1.830～6.140)、低蛋白血症(OR:4.026,95%CI:2.205～7.353)、低钾血症(OR:2.850,95%CI:1.556～5.222)、禁食大于48小时(OR:2.917,95%CI:1.591～5.349)、多种抗生素(OR:2.486,95%CI:1.365～4.528)、营养剂日用量(OR:1.003,95%CI:1.002～1.003),Logistic回归模型的公式为:Logit(P)=0.121×GCS评分+1.393×低蛋白血症+1.047×低钾血症+1.071×禁食大于48小时+0.911×多种抗生素+0.003×营养剂日用量-6.281。(3)本研究中决策树算法变量重要性排序前10位变量为:低蛋白血症、营养剂日用量、低钾血症、禁食大于48小时、全热量喂养、纤维素、年龄、利尿药物、多种抗生素及白细胞计数;支持向量机算法变量重要性排序前10位变量为:低蛋白血症、营养剂日用量、低钾血症、禁食大于48小时、全热量喂养、多种抗生素、年龄、止吐药物、纤维素及利尿药物。(4)本研究构建的3种模型在训练集与验证集中的预测能力如下:在训练集中,决策树模型的精确率为85.71%、召回率为55.93%、准确率为82.69%、F1值为67.69%、AUC值为0.783(95%CI:0.732～0.835);Logistic回归模型的精确率为68.42%、召回率为77.12%、准确率为81.04%、F1值为72.51%、AUC值为0.875(95%CI:0.834～0.916);支持向量机模型中的精确率为86.36%、召回率为64.41%、准确率为85.16%、F1值为73.79%及AUC值、0.925(95%CI:0.893～0.958)。在验证集中,决策树模型的精确率为83.72%、召回率为61.02%、准确率为80.52%、F1值为70.59%、AUC值为0.823(95%CI:0.756～0.891);Logistic回归模型的精确率为70.67%、召回率为89.83%、准确率为81.82%、F1值为79.10%、AUC值为0.897(95%CI:0.843～0.951);支持向量机模型的精确率为83.33%、召回率为84.75%、准确率为87.66%、F1值为84.03%、AUC值为0.947(95%CI:0.913～0.982)。结论:(1)本研究中重型颅脑损伤患者肠内营养相关性腹泻发生率为34.17%,(2)本研究筛选出GCS评分、低蛋白血症、低钾血症、禁食大于48小时、多种抗生素、营养剂日用量及全热量喂养为重型颅脑损伤患者发生肠内营养相关性腹泻的危险因素。(3)本研究构建出重型颅脑损伤患者肠内营养相关性腹泻的3种风险预测模型的综合预测能力比较结果为:决策树模型Logistic回归模型支持向量机模型。其中,支持向量机与Logistic回归模型均能较好地预测重型颅脑损伤患者肠内营养相关性腹泻发生风险,可以帮助临床医护人员进行对重型颅脑损伤患者发生肠内营养相关性腹泻的初步评估,为早期识别腹泻高危人群、制定以肠内营养为侧重点的腹泻前期预防性干预措施提供理论参考。