基于機器學習的肺源性膿毒癥早期風險預測模型

打開文本圖片集

[摘要] 目的 利用生物標志物構建機器學習算法用于預測肺源性膿毒癥的風險，輔助臨床醫(yī)生進行決策。方法 依據(jù)研究對象的診斷標準，收集納入者的基礎臨床資料。將數(shù)據(jù)集隨機分為訓練數(shù)據(jù)集（80%）和驗證數(shù)據(jù)集（20%）。使用特征篩選算法從訓練集篩選最佳變量子集，并以此子集構建隨機森林（random forest，RF）、極端梯度提升（extremely gradient boosting，XGBoost）、自適應提升（adaptive boosting，AdaBoost）、邏輯回歸（Logistic regression，LR）、嶺回歸（ridge regression，Ridge）和支持向量機（support vector machine，SVM）分類器，再用驗證數(shù)據(jù)集評估模型的泛化能力。（剩余11465字）