典型文献
基于随机森林算法的颈动脉支架植入术后残留预测模型构建分析
文献摘要：
目的 探讨基于随机森林算法的颈动脉支架植入术(Carotid artery stent,CAS)后残留预测模型构建.方法 回顾性选取2018年10月-2021年10月于本院接受CAS治疗的颈动脉狭窄患者181例作为研究对象,根据术后残留狭窄情况分为残留狭窄组(狭窄率≥30％)和非残留狭窄组(狭窄率<30％);比较2组临床资料,采用多因素Logistic回归分析和随机森林算法分别构建影响CAS后残留狭窄形成的2个预测模型,比较2个预测模型的预测效能.结果 术后残留狭窄发生51例(28.18％)归为残留狭窄组,其余130例归为非残留狭窄组.2组术前体质量指数(Body mass index,BMI)、年龄、吸烟史、高血压病占比、术前狭窄处血管内径、支架类型、斑块形态、斑块钙化情况比较均有明显差异(P<0.05).多因素Logistic回归分析显示,术前狭窄处血管内径(OR=0.012,95％CI=0.001～0.114)为CAS后残留狭窄的保护因素,高血压病(OR=1.057,95％CI=1.035～1.079)、闭环支架(OR=2.773,95％CI=1.067～7.202)、不规则斑块(OR=2.698,95％CI=1.079～6.750)、斑块钙化(OR=5.488,95％CI=2.073～14.525)为CAS后残留狭窄的危险因素(P均<0.05).对随机森林模型各变量的重要程度进行排序,排名在前的重要预测变量为术前狭窄处血管内径、斑块形态、斑块钙化情况、高血压病、支架类型、BM I、年龄、吸烟史.基于随机森林算法构建的预测模型的诊断效能[曲线下面积(Area of the under curve,AUC)为0.884]高于基于多因素Logistic回归分析的预测模型的诊断效能(AUC为0.821).结论 基于随机森林算法构建的预测模型能更有效预测CAS后残留狭窄风险,术前狭窄处血管内径、斑块形态、斑块钙化情况、高血压病、支架类型是CAS后残留狭窄风险的影响因素.
文献关键词：
颈动脉支架植入术;随机森林算法;斑块特征;残留狭窄
中图分类号：
作者姓名：
陈爱国
作者机构：
101300 北京市顺义区医院神经外科
文献出处：
引用格式：
[1]陈爱国-.基于随机森林算法的颈动脉支架植入术后残留预测模型构建分析)[J].卒中与神经疾病,2022(04):338-343
A类：
B类：
随机森林算法,颈动脉支架植入术,术后残留,预测模型构建,构建分析,Carotid,artery,stent,CAS,本院,颈动脉狭窄,残留狭窄,狭窄率,预测效能,体质量指数,Body,mass,吸烟史,高血压病,血管内径,斑块形态,钙化,保护因素,随机森林模型,重要程度,预测变量,诊断效能,Area,under,curve,斑块特征
AB值：
0.174004
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
