摘要
目的探讨基于机器学习算法对ST段抬高型心肌梗死(STEMI)患者院内及1年内心血管不良事件预测体系。方法选择就诊并经药物治疗的STEMI患者165例为对象,根据患者院内及1年内是否发生心血管不良事件将其分为发生组和未发生组。查阅2组资料,基于机器学习算法,分别采用支持向量机(SVM)、随机森林法(RF)和卷积神经网络(CNN)构建STEMI患者院内及1年内心血管不良事件预测模型,并进行评价和比较。结果165例STEMI患者院内及1年内心血管不良事件发生53例。发生组外周动脉疾病史、卒中病史、入院药物治疗、出院后用药、血小板计数、C反应蛋白及D-二聚体水平高于未发生组,差异有统计学意义(P<0.05);预测模型中训练集中马修斯系数SVM;测试集中RF>SVM>CNN;训练集中FI系数RF>CNN>SVM;训练集中曲线下面积SVM最高,而测试集中XGBoost最高。结论基于机器学习算法SVM及RF预测模型性能在敏感度与准确度上优于CNN;STEMI患者院内及1年内心血管不良事件预测因子,能针对可能的影响因素及预测结果制定针对性的干预措施,以改善患者预后。
出处
《宁夏医学杂志》
CAS
2024年第5期444-447,共4页
Ningxia Medical Journal
基金
宁夏中卫市重点研发计划基金项目(2023BUS53004)。
