典型文献
基于机器学习算法建立胎母输血综合征预测模型
文献摘要：
目的 基于机器学习算法建立胎母输血综合征(fetomaternal hemorrhage syndrome,FMH)预测模型,以辅助临床医生早期发现、诊断FMH并进行干预治疗.方法 本研究纳入2019年6月～2020年12月于本院产科进行产检的1933例孕妇(孕6～42周)进行分析,使用递归特征消除法对FMH预测中的关键特征变量进行筛选,采用包括极端梯度提升决策树(XGBoost)模型等8种机器学习算法和传统回归方法构建FMH预测模型,并对其进行比较,择优选出最佳预测模型,采用十折交叉验证评价模型性能.结果 XGBoost模型表现出明显的预测优势,其训练集AUC为0.827,测试集AUC为0.808,准确率达0.76,其性能明显优于AUC仅为0.681的传统逻辑回归模型和其他7个机器学习模型.结论 本研究成功构建一款基于XGBoost算法的FMH预测模型,其预测性能良好.
文献关键词：
胎母输血综合;征机器学习算法;预测模型;XGBoost;K-B试验
中图分类号：
作者姓名：
范可欣;朱鹏汇;王云;王勇军;张宁洁
作者机构：
410011 湖南长沙,中南大学湘雅二医院检验科;中南大学湘雅二医院输血科
文献出处：
引用格式：
[1]范可欣;朱鹏汇;王云;王勇军;张宁洁-.基于机器学习算法建立胎母输血综合征预测模型)[J].临床输血与检验,2022(04):427-432
A类：
fetomaternal,征机器学习算法
B类：
基于机器学习,胎母输血综合征,hemorrhage,syndrome,FMH,临床医生,早期发现,干预治疗,本院,产科,产检,孕妇,递归特征消除法,关键特征,特征变量,极端梯度提升,梯度提升决策树,XGBoost,传统回归,择优,十折交叉验证,验证评价,模型性能,训练集,测试集,逻辑回归模型,机器学习模型,预测性能
AB值：
0.332144
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。
