创伤性脑损伤患者医院获得性肺炎风险预测模型的构建

摘要

目的:分析创伤性脑损伤患者发生医院获得性肺炎的危险因素,并基于机器学习算法构建风险预测模型,探讨模型的预测价值,以识别风险患者。方法:回顾性分析2019年1月1日至2021年7月31日在贵州省某三级甲等医院住院治疗的596例创伤性脑损伤患者的临床资料,建立风险预测指标集,运用5种机器学习算法:逻辑回归、朴素贝叶斯、支持向量机、K-最近邻算法、多层感知器构建风险预测模型,使用准确率、召回率、F1值、AUC值评价模型的预测价值,选择最优预测模型。结果:共纳入596例创伤性脑损伤患者,医院获得性肺炎发生率为34.90%。基于筛选的变量指标构建了5种模型,其中多层感知器模型的准确率、召回率、F1值、AUC均较高。结论:构建的5种风险预测模型中,多层感知器风险预测模型效果较佳,适合用于创伤性脑损伤患者医院获得性肺炎早期预测,可为患者疾病的诊断、治疗和预防策略提供参考。