基于支持向量机的急性百草枯中毒预后模型的建立与评价.PDFVIP

第38卷第10期 南京医科大学学报（自然科学版） 2018年10月 ACTAUNIVERSITATISMEDICINALISNANJING（NaturalScience） ·1467· 基于支持向量机的急性百草枯中毒预后模型的建立与评价 1* 1 2 3 4 杨志燕 ，黄天宝 ，王树山 ，林华日 ，周君艺 1 2 3 福建医科大学附属泉州第一医院急诊科，福建 泉州 362000；惠安县医院急诊科，福建 泉州 362100；永春县医院急诊 4 科，福建 泉州 362600；南安市医院急诊科，福建 泉州 362300 ［摘 要］ 目的：比较支持向量机（supportvectormachine，SVM）和传统的Logistic回归构建的急性百草枯（paraquat，PQ）中毒 早期预后判别模型的预测性能。方法：收集急性PQ中毒患者152例，随访观察2个月的临床转归情况。应用随机数字表法以 3∶2的比例分为两组，一组作为训练样本用于筛选变量和建立预测模型，计91例；另一组作为验证样本，用于评价模型预测效 果，计61例。建模方法采用SVM和常规统计方法中的Logistic回归。结果：通过对PQ中毒患者的预测判别验证，线性核、多项 式核、Sigmoid核及径向基函数核SVM模型的预测准确率分别为77.92%、74.03%、75.32%、79.22%。对所有预测模型性能对比 显示，SVM模型预测性能高于Logistic回归模型，其中径向基核函数（RBF）⁃SVM模型效果最好，灵敏度为87.5%，特异度为 70.6%。结论：采用SVM模型能更好地整合各种影响PQ中毒患者早期预后的信息，所建立的模型具有更好的预测能力，为预 测PQ中毒患者的预后提供了一种新方法。 ［关键词］ 百草枯中毒；预后；支持向量机；Logistic回归 ［中图分类号］ R135.1 ［文献标志码］ A ［文章编号］ 1007⁃4368（2018）10⁃1467⁃05 doi：10.7655/NYDXBN Establishment and evaluation of prognostic model for patients with acute paraquat poisoningbasedonsupportvectormachine 1* 1 2 3 4 YangZhiyan ，HuangTianbao ，WangShushan ，LinHuari ，ZhouJunyi 1EmergencyDepartment，QuanzhouFirstHospitalofFujianMedicalUniversity，Quanzhou 362000；Emergency2 Department，Hui’anCountyHospital，Quanzhou 362100；EmergencyDepartment，YongchunCountyHospital，3 Quanzhou362600；EmergencyDepartment，Nan’anCityHospital，Quanzhou362300，China4 ［Abstract］ Objective： Tocomparethepredictiveperformanceofconstructingtheearlyprognosticmodelofacuteparaquat（PQ） poisoningbetweensupportvectormachine（SVM）andlogisticregression. Methods：Atotalof 152patientswithacutePQpoisoning werecollectedandtheclinicalresultswereobservedfor 2months.T