期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
带状疱疹后神经痛发生的治疗相关因素分析及其XGBoost临床预测模型的构建
1
作者 杨波 唐雪苗 +7 位作者 宋福婷 时小晗 王庆 徐亚楠 祁婧 吕岩 王英峰 顾楠 《空军军医大学学报》 CAS 2024年第4期380-388,共9页
目的分析影响带状疱疹后神经痛(PHN)发生的危险因素,特别是治疗相关因素,择优选择机器学习算法构建PHN临床预测模型。方法选取2023年5月至10月于西京医院疼痛医学中心门诊就诊的434名带状疱疹患者的病历资料。收集人口学因素、疱疹相关... 目的分析影响带状疱疹后神经痛(PHN)发生的危险因素,特别是治疗相关因素,择优选择机器学习算法构建PHN临床预测模型。方法选取2023年5月至10月于西京医院疼痛医学中心门诊就诊的434名带状疱疹患者的病历资料。收集人口学因素、疱疹相关因素、治疗相关因素及合并疾病等指标。在患者病程满3个月后,根据疼痛VAS判断是否发生PHN,分为PHN组(n=197)和非PHN组(n=237)。使用单因素分析、logistic回归挑选变量,随后使用LASSO回归对挑选出的因素进行筛选和降维,选择最终纳入模型的变量。比较传统logistic回归模型和XGBoost、SVM两种机器学习模型的区分性能,选择最佳算法构建模型并进行验证和评价。结果研究通过LASSO回归筛选发现神经节段、年龄、急性期VAS、疱疹面积、神经阻滞治疗开始时间和疼痛性质是PHN发生的独立影响因素。logistic回归、XGBoost模型和SVM模型在训练集的ROC-AUC均值分别为0.82、0.95、0.77,在验证集的均值分别为0.81、0.81、0.76,提示XGBoost模型的预测性能最佳。使用XGBoost建模,训练集、验证集的ROC-AUC均值及95%CI分别为0.94(0.92~0.97)、0.86(0.79~0.94),提示模型区分度较好。Hosmer-Lemeshow拟合优度检验P>0.05,校准曲线比较接近理想曲线,说明模型预测性能良好。决策分析曲线显示模型具有良好的临床净收益。结论神经受累节段和神经阻滞治疗开始时间这两个治疗相关因素是PHN发生的重要独立影响因素。采用神经节段、年龄、急性期VAS、疱疹面积、神经阻滞治疗开始时间、疼痛性质六个变量构建的XGBoost临床预测模型性能优良,具有较好的区分度和校准度;对于早期甄别PHN高危患者,及时进行针对性治疗具有重要临床意义。 展开更多
关键词 带状疱疹后神经痛 带状疱疹 治疗相关因素 临床预测模型 机器学习
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部