典型文献
基于长短期记忆网络和Logistic回归的重症监护病房脑卒中患者院内死亡风险预测
文献摘要：
目的:基于引入注意力机制的长短期记忆网络(long short-term memory,LSTM)和L1正则化的Logistic回归筛选变量,再通过传统的Logistic回归建立重症监护病房(intensive care unit,ICU)脑卒中患者院内死亡风险预测模型并评价模型效果.方法:选取重症医学信息数据库(Medical Information Mart for Intensive Care-Ⅳ,MIMIC-Ⅳ)中的脑卒中患者作为研究对象,以是否发生院内死亡作为结局变量,备选预测因子包括人口学特征、合并症、入院48 h内实验室检查和生命体征检查等.将数据根据结局指标以8:2的比例随机进行10次训练集和测试集的划分,在训练集上构建LSTM和L1正则化的Logistic回归模型,在测试集上选取重要程度排名前10的变量的并集纳入Logistic回归建立预测模型,以受试者工作特征曲线下面积(area under curve,AUC)、灵敏度、特异度、预测准确度为指标对模型进行评价,并与未预先进行变量筛选的前进法Logistic回归模型的预测效果进行比较.结果:共纳入2 755例脑卒中患者的2 979条ICU人院记录,其中院内死亡记录占17.66％.两个变量筛选模型中,L1正则化的Logistic回归模型的AUC显著优于LSTM模型(0.819±0.031vs.0.760±0.018,P＜0.001),两个模型中重要程度均位于前10的变量包括年龄、血糖和尿素氮.最终预测模型的AUC为0.85,灵敏度为85.98％,特异度为71.74％,预测准确率为74.26％,优于未预先进行变量筛选的前进法Logistic回归模型.结论:用引人注意力机制的LSTM和L1正则的Logistic回归筛选出的变量的预测效果较好,具有一定的临床价值.
文献关键词：
卒中;预后;预测;LSTM;Logistic模型
中图分类号：
作者姓名：
邓宇含;姜勇;王子尧;刘爽;汪雨欣;刘宝花
作者机构：
北京大学公共卫生学院社会医学与健康教育学系,北京 100191;国家神经系统疾病临床医学研究中心,首都医科大学附属北京天坛医院神经病学中心,北京100050;北京大数据精准医疗高精尖创新中心(北京航空航天大学&首都医科大学),北京 100070
文献出处：
引用格式：
[1]邓宇含;姜勇;王子尧;刘爽;汪雨欣;刘宝花-.基于长短期记忆网络和Logistic回归的重症监护病房脑卒中患者院内死亡风险预测)[J].北京大学学报（医学版）,2022(03):458-467
A类：
031vs
B类：
长短期记忆网络,重症监护病房,脑卒中患者,院内死亡风险,注意力机制,long,short,term,memory,L1,正则化,intensive,care,unit,ICU,死亡风险预测模型,重症医学,医学信息,信息数据库,Medical,Information,Mart,Intensive,Care,MIMIC,以是,备选,预测因子,人口学特征,合并症,实验室检查,检查和,生命体征,结局指标,训练集,测试集,上选,重要程度,集纳,受试者工作特征曲线,特征曲线下面积,area,under,curve,预测准确度,变量筛选,中院,筛选模型,尿素氮,预测准确率,引人注意,临床价值
AB值：
0.31174
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。
