检索结果-南通市图书馆

中国循证医学杂志 2024年第09期24卷 993-1003页

作者：田园林志浩李瑞汪贯龙李红霞何磊安徽医科大学第三附属医院胃肠外科安徽医科大学第三附属医院肿瘤内科

目的探讨组合优化后的机器学习算法在预测胃癌术后感染性并发症风险模型中的应用及与其他算法的准确性比较，寻找胃癌术后感染早期诊断的可靠生物标志物。方法回顾性分析2018年5月至2023年4月安徽医科大学第三附属医院420例胃癌患者... 详细信息

目的探讨组合优化后的机器学习算法在预测胃癌术后感染性并发症风险模型中的应用及与其他算法的准确性比较，寻找胃癌术后感染早期诊断的可靠生物标志物。方法回顾性分析2018年5月至2023年4月安徽医科大学第三附属医院420例胃癌患者的临床数据资料，利用分层随机化分组法划分为训练集和验证集。采用单因素分析确定术后感染性并发症发生的危险因素；利用训练集构建6种常规的机器学习模型：linear regression、random forest、支持向量机、梯度反向传播、light gradient boosting machine(LGBM)、xgboost和一种组合优化的适度贪心xgboost(modified greedy algorithm-xgboost,mga-xgboost)模型。利用验证集通过准确率、精确率和受试者工作特征曲线下面积（area under curve,AUC）等评价指标对七种模型进行评估。结果术后感染性并发症与年龄、手术时间、糖尿病、手术切除范围、联合切除、分期、术前白蛋白、围手术期输血、术前预后营养指数、淋巴细胞绝对数与C-反应蛋白比值及外周血中性粒细胞与淋巴细胞比值相关（Pmga-xgboost模型表现最好，在验证集中的AUC为0.936、准确率为0.889、召回率为0.6、F1分数为0.682、精确率为0.79。模型内部结构中影响占比最高的是糖尿病。结论本研究表明纳入综合性炎症指标的mga-xgboost模型可用于预测胃癌患者术后感染性并发症，具有较高的准确性。

关键词：胃癌机器学习 mga-xgboost 术后感染性并发症

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：