检索结果-南通市图书馆

维普期刊数据库

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

在线全文

学校读者我要写书评

暂无评论

中华医院感染学杂志 2023年 460-464页

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南昌大学第二附属医院医疗大数据研究中心南昌大学公共卫生学院(江西省预防医学重点实验室) 南昌大学第二附属医院医科技处

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... 详细信息

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。

关键词：缺血性脑卒中房颤肺部感染 XGboost Logistic回归预测模型

基于机器学习的缺血性脑卒中抗栓治疗后消化道出血预测模型研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

现代预防医学 2023年第2期50卷 199-204+221页

作者：罗颢文俞鹏飞刘建模韩梦琦易应萍南昌大学第二附属医院医疗大数据研究中心南昌大学医学部公共卫生学院

目的筛选出缺血性脑卒中抗栓治疗后发生消化道出血的关键变量，评价Catboost、支持向量机（SVM）、logistic回归(LR)三种机器学习算法对缺血性脑卒中抗栓治疗后消化道出血的预测效果。方法选取2018年1月1日—2020年1月1日南昌大学第... 详细信息

目的筛选出缺血性脑卒中抗栓治疗后发生消化道出血的关键变量，评价Catboost、支持向量机（SVM）、logistic回归(LR)三种机器学习算法对缺血性脑卒中抗栓治疗后消化道出血的预测效果。方法选取2018年1月1日—2020年1月1日南昌大学第二附属医院确诊为急性缺血性脑卒中并接受抗栓治疗的住院患者，根据单因素分析结果确定初始变量，综合多因素logistic回归、RFE、lasso回归三种特征选择方法筛选变量，比较Catboost、SVM、LR在缺血性脑卒中抗栓治疗后消化道出血预测模型中的效果。结果在1 605名缺血性脑卒中患者中，消化道出血的患者84名，单因素分析初步确定了17个变量，根据三种特征选择方法确定年龄、GCS、谷草/谷丙、碱性磷酸酶、低密度脂蛋白、出血性转化为关键变量，构建机器学习模型后重复交叉验证结果显示, Catboost算法的综合性能较好，特异度、准确率、AUC、阳性似然比分别为0.851(95%CI:0.85～0.853)、0.84(95%CI:0.838～0.841)、0.848(95%CI:0.841～0.855)、4.463(95%CI:4.378～4.549),LR发现消化道出血的能力较强,灵敏度和阴性似然比分别为0.723(95%CI:0.711～0.734)和0.345(95%CI:0.33～0.36)。结论 Catboost用于预测缺血性脑卒中抗栓治疗后消化道出血具有更强的优势，结合三种特征选择方法筛选的关键变量，为缺血性脑卒中抗栓治疗后的消化道出血的预防和干预提供一定参考。

关键词：缺血性脑卒中抗栓治疗消化道出血机器学习特征选择 Catboost

基于Stacking集成思想构建脑卒中患者死亡风险预测模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中文科技期刊数据库（全文版）医药卫生 2023年第6期 1-4页

作者：程峙娟黎丹丹涂江龙易应萍刘建模南昌大学第二附属医院神经内科江西南昌330000 南昌大学第二附属医院科技处大数据研究中心江西南昌330000

本文基于Stacking集成思想构建脑卒中患者死亡预测模型,降低脑卒中患者死亡率。方法根据纳排标准,选取MIMIC-Ⅳ中的脑卒中患者作为研究对象,以入ICU48小时后是否发生院内死亡作为结局变量,备选预测因子包括人口学特征、入ICU48h 内实... 详细信息

本文基于Stacking集成思想构建脑卒中患者死亡预测模型,降低脑卒中患者死亡率。方法根据纳排标准,选取MIMIC-Ⅳ中的脑卒中患者作为研究对象,以入ICU48小时后是否发生院内死亡作为结局变量,备选预测因子包括人口学特征、入ICU48h 内实验室检查和生命体征检查等。通过RF、XGBoost、AdaBoost和韦恩图等算法研究脑卒中患者死亡风险因素特征,以及基于Stacking集成思想,结合不同类型的算法集成构建脑卒中患者死亡预测模型。结果本研究共纳入脑卒中患者4942例,住院期间死亡率为 17.48%。Stacking模型融合预测模型AUC值高于单一预测模型。在测试数据集上对Stacking融合模型预测方面也优于单一预测模型,Stacking融合模型的准确度为80.4%,受试者工作特性(ROC)曲线下面积(AUC)为0.842(95%CI(0.811-0.873))。结论基于Stacking集成思想构建脑卒中患者死亡预测模型能准确地辅助临床医师进行脑卒中患者死亡风险评估,从而采取合适的预防措施降低脑卒中患者的死亡率。

关键词：脑卒中死亡风险预测模型 Stacking集成思想

基于机器学习的急性缺血性脑卒中医院感染预测模型建立与评价

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

中国感染控制杂志 2023年第2期22卷 129-135页

作者：刘建模罗颢文俞鹏飞吴一帆韩梦琦贾伟杰易应萍南昌大学第二附属医院科技处江西南昌330000 南昌大学公共卫生学院江西南昌330000

目的利用急性缺血性脑卒中患者诊疗数据构建基于机器学习的急性缺血性脑卒中医院感染预测模型,为临床治疗早期干预提供支持。方法选取江西某三甲医院神经内科2020年10月—2021年12月2360例脑卒中住院患者作为研究对象。按8∶2的比例随... 详细信息

目的利用急性缺血性脑卒中患者诊疗数据构建基于机器学习的急性缺血性脑卒中医院感染预测模型,为临床治疗早期干预提供支持。方法选取江西某三甲医院神经内科2020年10月—2021年12月2360例脑卒中住院患者作为研究对象。按8∶2的比例随机分为训练集(1888例)与测试集(472例),纳入人口统计学数据以及入院48 h内临床诊疗数据,分析急性缺血性脑卒中患者发生医院感染的独立危险因素。使用logistic回归和3种机器学习算法[随机森林(RandomForest)、XGBoost、LightGBM]构建急性缺血性脑卒中医院感染预测模型,应用ROC曲线下面积(AUC)评估4种预测模型的预测效果。结果574例发生医院感染,医院感染发生率为24.32%。logistic回归分析结果显示,年龄>65岁、入院NIHSS评分>5分、血白细胞计数>10×10^(9)/L、血清钠≤135 mmol/L、侵入性操作、吞咽困难为医院感染的危险因素。logistic回归、RandomForest、XGBoost、LightGBM预测模型在测试集中预测缺血性脑卒中医院感染的AUC值分别为0.854、0.850、0.881、0.870。结论基于机器学习医院感染预测模型有利于早期识别急性缺血性脑卒中患者医院感染及挖掘危险因素,及时采取防控措施,可降低医院感染发生率。

关键词：急性缺血性脑卒中机器学习预测模型医院感染

维普期刊数据库

老年营养风险指数对急性缺血性脑卒中患者肺部感染的预测价值

在线全文

学校读者我要写书评

暂无评论

中华老年心脑血管病杂志 2023年第12期25卷 1310-1314页

作者：刘建模李静宜罗颢文俞鹏飞陈泳森吴斌易应萍王凯南昌大学第二附属医院科技处 330000 南昌大学第二附属医院神经内科 330000 南昌大学公共卫生学院

目的探讨老年营养风险指数(GNRI)对急性缺血性脑卒中患者肺部感染的预测价值。方法回顾性选择2017年1月至2022年10月南昌大学第二附属医院神经内科收治的老年急性缺血性脑卒中患者1505例。根据GNRI营养评估等级分为4组,T1组(高营养风险9... 详细信息

目的探讨老年营养风险指数(GNRI)对急性缺血性脑卒中患者肺部感染的预测价值。方法回顾性选择2017年1月至2022年10月南昌大学第二附属医院神经内科收治的老年急性缺血性脑卒中患者1505例。根据GNRI营养评估等级分为4组,T1组(高营养风险98)596例。又根据出院诊断情况分为肺部感染组150例与非感染组1355例。研究对象按16︰4︰5的比例随机分为训练集、验证集和测试集。采用多因素logistics回归分析脑卒中患者并发肺部感染的危险因素。采用logistics回归算法及XGBoost算法建立急性缺血性脑卒中患者肺部感染预测模型,通过ROC曲线下面积(AUC)、准确性、敏感性、特异性评估模型。结果多因素logistics回归显示,高血压、侵入性操作、意识障碍、C反应蛋白、淋巴细胞、血红蛋白、GNRI为脑卒中肺部感染的危险因素(P<0.05)。测试集GNRI预测脑卒中肺部感染的AUC为0.742(95%CI:0.651~0.833),准确性为71.8%,敏感性为76.7%,特异性为71.2%。联合临床诊疗指标(高血压、侵入性操作、意识障碍、C反应蛋白、淋巴细胞、血红蛋白)与GNRI,在测试集中预测模型的AUC为0.776(95%CI:0.700~0.853),准确性为74.8%,敏感性为83.3%,特异性为73.8%。结论GNRI是老年急性缺血性脑卒中患者并发肺部感染独立危险因素,对预测脑卒中肺部感染具有一定的价值。

关键词：卒中预测肺炎回顾性研究老年营养风险指数

维普期刊数据库

新冠肺炎住院患者危重症的危险因素分析及危重症预测

在线全文

学校读者我要写书评

暂无评论

现代预防医学 2023年第21期50卷 4015-4020+4032页

作者：王小曼程瑞柯晶耀咸宏飞吴斌李静宜陈泳森吴一帆韩梦琦贾伟杰俞鹏飞罗颢文刘建模刘松易应萍南昌大学第二附属医院医疗大数据研究中心南昌大学公共卫生学院江西省预防医学重点实验室南昌大学第二附属医院科技处

目的回顾性探讨新冠住院患者危重症的相关危险因素并进行危重症预测。方法收集2022年11月—2023年1月某三甲医院收治的新冠住院2 745例患者的临床资料，根据住院结局分组。通过单因素分析和多因素logistic回归分析明确危险因素，并通... 详细信息

目的回顾性探讨新冠住院患者危重症的相关危险因素并进行危重症预测。方法收集2022年11月—2023年1月某三甲医院收治的新冠住院2 745例患者的临床资料，根据住院结局分组。通过单因素分析和多因素logistic回归分析明确危险因素，并通过受试者工作特征(ROC)曲线下面积(AUC)、训练集和验证集的校准曲线、训练模型和验证模型的决策曲线分析（DCA曲线）等评价联合因素对新冠住院患者预后结局的预测价值。结果经单因素和多因素logistic回归分析结果显示年龄（OR=1.05,95%CI:1.03～1.06）、手术（OR=8.81,95%CI:5.64～13.76）、预后营养指数（PNI）(OR=0.92,95%CI:0.89～0.96)、淋巴细胞绝对值（OR=0.47,95%CI:0.26～0.83）、胸腔积液（OR=0.49,95%CI:0.28～0.86）等与新冠住院危重症相关（P<0.05）。ROC曲线下面积显示几项指标联合预测AUC值为0.924。结论发现高龄、中性粒细胞绝对值高、红细胞压积低、乳酸脱氢酶高、手术、营养状况差、血红蛋白低、血小板计数低、淋巴细胞绝对值低、有胸腔积液可能是造成新冠住院患者危重症的危险因素，且联合几项指标有良好的预测价值。对危险因素早期识别并采取积极有效的措施，有助于预防新冠危重症的发生。

关键词：新冠肺炎住院患者危重症危险因素危重症预测

特征选择技术在江西地区缺血性脑卒中合并肺部感染风险预测模型中的应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

现代预防医学 2020年第22期47卷 4038-4041+4052页

作者：罗颢文涂江龙刘建模俞鹏飞葛艳秋易应萍南昌大学第二附属医院信息处南昌大学第二附属医院神经内科南昌大学医学部公共卫生学院

目的采用不同特征选择技术构建基于机器学习的预测模型,探讨江西地区缺血性脑卒中患者发生肺部感染的风险因素,为江西地区缺血性脑卒中合并肺部感染的控制和预防提供参考。方法分别采用互信息、Lasso回归、决策树对特征进行筛选,比较XGb... 详细信息

目的采用不同特征选择技术构建基于机器学习的预测模型,探讨江西地区缺血性脑卒中患者发生肺部感染的风险因素,为江西地区缺血性脑卒中合并肺部感染的控制和预防提供参考。方法分别采用互信息、Lasso回归、决策树对特征进行筛选,比较XGboost、SVM、随机森林、MLP、logistic回归在缺血性脑卒中合并肺部感染模型中的效果。结果Lasso回归优于其他两种特征选择方法,筛选的侵入性操作、NIHSS评分、中性粒细胞计数等15个特征纳入最终模型,与其他分类算法相比,MLP分类性能最好,AUC与约登指数分别是0.8740(95%CI:0.8694～0.8804)和0.6267。结论Lasso回归可以限制多重共线性带来的影响,并输出高风险因素,结合MLP分类算法,能够较好的预测缺血性脑卒中患者是否会发生肺部感染,为其精准防控提供借鉴,具有一定的临床实践意义。

关键词：缺血性脑卒中肺部感染 Lasso回归 MLP

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向医院的大数据治理模型设计

医学信息 2021年第10期34卷 18-20页

作者：俞鹏飞罗颢文刘建模易应萍南昌大学第二附属医院信息处医疗大数据研究中心

目前,促进健康医疗大数据发展已经成为我国健康产业发展的重要国策,但是国内医院普遍存在医疗数据使用困难、数据质量不高等问题。为此,本文提出了一种基于大数据架构的医院数据平台建设方法及治理模型。阐述了当前医疗数据面临的问题... 详细信息

目前,促进健康医疗大数据发展已经成为我国健康产业发展的重要国策,但是国内医院普遍存在医疗数据使用困难、数据质量不高等问题。为此,本文提出了一种基于大数据架构的医院数据平台建设方法及治理模型。阐述了当前医疗数据面临的问题及其原因,总结数据仓库建模理论与医疗数据特点,分析医疗数据治理模型框架,旨在通过分层分域组织医疗数据,提升数据质量、加速数据应用,实现医院医疗数据资产化运营,促进大数据平台为医院临床、管理、科研发展赋能。

关键词：医疗大数据数据模型医院数据平台

2015—2019年江西省缺血性脑卒中患者特征及住院费用分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

现代预防医学 2021年第8期48卷 1515-1519页

作者：陈积标况杰易应萍刘建模王嘉晶贾伟杰张晓林殷淑娟吴一帆彭晨涂江龙韩梦琦程学新南昌大学第二附属医院南昌大学公共卫生学院(江西省预防医学重点实验室)

目的了解江西省2015—2019年缺血性脑卒中住院患者特征及住院费用情况,为缺血性脑卒中防控提供数据支持。方法收集来自江西省卫生健康委员会DRGs管理系统中2015—2019年全省228家医院(69家三级综合医院,159家二级综合医院),总计381 416... 详细信息

目的了解江西省2015—2019年缺血性脑卒中住院患者特征及住院费用情况,为缺血性脑卒中防控提供数据支持。方法收集来自江西省卫生健康委员会DRGs管理系统中2015—2019年全省228家医院(69家三级综合医院,159家二级综合医院),总计381 416例出院主诊断疾病编码为I63(采用国际疾病分类第十版ICD-10)的缺血性脑卒中患者住院信息。对住院患者特征及费用进行描述性分析。结果 2015—2019年江西省缺血性脑卒中患者,男性占比大于女性,近5年住院率由119.09/10万升高至206.61/10万。缺血性脑卒中患者最常见的共病及并发症为高血压、糖尿病、动脉粥样硬化。缺血性脑卒中次均住院费用为7 067.2(6 846.1)元,5年间,次均住院费用由7 384.0(7 353.6)元降低至6 816.9(6 769.1)元,差异具有统计学意义(H=12.155,P<0.002),总费用中药费占比最高,但未见明显变化趋势(H=7.425,P=0.063)。结论 2015—2019年江西省缺血性脑卒中住院患者住院率增长较快,高血压、糖尿病、动脉粥样硬化为3个最常见的共病,次均住院费用呈下降趋势,但住院费用负担仍较重。

关键词：缺血性脑卒中患者特征费用分析