基于机器学习的儿童重症肺炎预警模型的研究.docx

基于机器学习的儿童重症肺炎预警模型的研究

摘要

目的

基于医疗电子信息系统数据构建并验证儿童社区获得性肺炎（CAP）重症化的临床预警模型。

方法

采用回顾性队列研究，分析武汉儿童医院2019年1月1日至2023年12月31日期间因CAP入院的15750名患儿的临床资料。按照7∶3的比例将患儿数据随机划分为训练集和测试集。在训练集中构建6种有监督的机器学习模型，使用五折交叉验证进行参数寻优，在测试集进行模型评价。采用受试者工作特征曲线下面积、最佳阈值下的灵敏度、特异度、阳性预测值、阴性预测值、校准曲线、临床决策曲线评估模型性能，确定最优模型。使用SHapleyAdditiveexPlana