典型文献
基于可解释性机器学习算法的开颅手术患者重症监护室住院时间预测模型
文献摘要：
目的 基于三种可解释的机器学习算法建立开颅手术患者重症监护室(Intensive Care Unit,ICU)住院时间是否超过8 d的预测模型(Predictive Model,PM),挖掘影响ICU住院时间的风险因素.方法 选择2005—2018年在福建省立医院接受过开颅手术的患者677例,基于机器学习的逻辑回归、随机森林以及梯度下降决策树算法对患者的67个字段建立PM,根据模型评估最优模型,并对其进行解释分析.结果 梯度下降决策树模型效果最优,准确率为85％,受试者工作特征曲线下的面积为0.90.结论 本文建立的PM具有有效性,可为临床医生提供辅助决策建议,方便提早做出相应干预与决定,减轻患者与医疗机构的负担.
文献关键词：
开颅手术;重症监护室;机器学习;预测模型
中图分类号：
作者姓名：
王绍博;王琪琪;焦增涛;刘有军;于荣国
作者机构：
北京工业大学 环境与生命学部,北京 100124;医渡云(北京)科技有限公司,北京 100191;福建省立医院 外科重症医学科,福建 福州 350001
文献出处：
引用格式：
[1]王绍博;王琪琪;焦增涛;刘有军;于荣国-.基于可解释性机器学习算法的开颅手术患者重症监护室住院时间预测模型)[J].中国医疗设备,2022(05):23-28,44
A类：
B类：
可解释性机器学习,机器学习算法,开颅手术,手术患者,重症监护室,时间预测模型,Intensive,Care,Unit,ICU,Predictive,Model,PM,省立医院,受过,基于机器学习,逻辑回归,梯度下降,决策树算法,字段,模型评估,最优模型,决策树模型,受试者工作特征曲线,临床医生,辅助决策,决策建议,提早
AB值：
0.334303
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。
