典型文献
基于随机森林算法的儿童重症腺病毒肺炎临床预测模型研究
文献摘要：
目的:基于随机森林算法构建儿童重症腺病毒肺炎(severe adenovirus pneumonia，SAP)的临床预测模型，并对其进行验证。方法:采用观察性研究设计，回顾性分析2019年1月至2021年1月天津市儿童医院收治的542例腺病毒肺炎患儿的临床、实验室及影像学资料。将研究对象随机分为训练集和验证集(8∶2)。训练集通过随机森林算法筛选SAP的预测因子建立预测模型，并通过列线图将预测模型可视化表达。在验证集中利用受试者工作特征(ROC)曲线和敏感性、特异性、误判率、混淆矩阵对其进行验证。结果:训练集患儿439例，其中重症型187例(42.60%)，验证集患儿103例，其中重症型44例(42.71%)。训练集中单核细胞百分比(M%)、PLT、AST、IL-6、热峰、肺部大片炎性实变、肺部斑片状阴影是影响SAP的独立预测因子。模型区分度验证发现训练集和验证集的ROC曲线下面积分别为0.95(95%
CI：0.92~0.98)和0.92(95%
CI：0.82~0.99)。训练集的准确度、灵敏度、特异性、阳性预测值和阴性预测值分别为0.994、1.000、0.987、0.998、1.000；验证集的分别为0.752、0.990、0.514、0.945、0.857。
结论:该预测模型具有较好的判别能力，早期的临床及血液学指标有助于提高儿童SAP的识别和筛选，具有一定的临床价值。
文献关键词：
儿童;腺病毒;重症肺炎;预测模型;随机森林
中图分类号：
作者姓名：
姚国华;马翠安;刘杰;张雯;魏博涛
作者机构：
天津市儿童医院（天津大学儿童医院）感染科 300132
文献出处：
引用格式：
[1]姚国华;马翠安;刘杰;张雯;魏博涛-.基于随机森林算法的儿童重症腺病毒肺炎临床预测模型研究)[J].国际儿科学杂志,2022(08):566-569,F3
A类：
B类：
随机森林算法,儿童重症,重症腺病毒肺炎,临床预测模型,severe,adenovirus,pneumonia,SAP,观察性研究,儿童医院,肺炎患儿,训练集,验证集,预测因子,列线图,可视化表达,受试者工作特征,误判率,混淆矩阵,中重症,单核细胞,PLT,AST,大片,阴影,区分度,阳性预测值,阴性预测值,血液学指标,标有,临床价值,重症肺炎
AB值：
0.279252
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。
