目的:比较Logistic回归、BP神经网络及支持向量机3种模型对老年慢性阻塞性肺疾病（COPD）患者30 d内急性加重再入院风险的预测性能，以期为再入院高风险患者筛查及预防提供科学依据。方法:制作COPD患者调查问卷表，包括一般资料调查表、改良英国医学研究委员会呼吸困难量表（mMRC）、日常生活能力评估量表（ADL）、老年抑郁量表、微型营养评定量表（MNA-SF）及COPD评估量表（CAT），采用便利抽样法，选择宁夏地区13所综合医院2019年4月至2020年8月呼吸内科治疗的老年COPD患者作为调查对象，并随访至出院后30 d。探讨患者再入院影响因素，基于影响因素构建Logistic回归模型、BP神经网络模型和支持向量机模型，按照训练集与测试集7∶3的比例分为训练集样本和测试集样本，分别通过查准率、召回率、正确率、F1指数及受试者工作特征曲线下面积（AUC）对模型预测效能进行比较。结果:共调查1 120例患者，其中非再入院患者879例，再入院患者241例。单因素分析显示，非再入院患者与再入院患者的年龄、文化程度、吸烟情况、糖尿病和冠心病比例、过去1年因COPD急性加重住院次数、季节因素及长期家庭氧疗、规律用药、康复锻炼比例、病程、ADL、抑郁状况、mMRC、营养状况比较差异均有统计学意义。二元Logistic回归分析显示，文化程度、吸烟情况、冠心病史、过去1年因COPD急性加重住院次数、季节因素、是否长期家庭氧疗、是否规律用药、营养状况是老年COPD患者30 d急性加重再入院的影响因素。训练集显示，Logistic回归模型、BP神经网络模型及支持向量模型的查准率分别为70.95%、76.51%、84.78%，召回率分别为79.55%、86.36%、88.64%，正确率分别为87.81%、90.81%、93.82%，F1指数分别为0.75、0.81、0.87，AUC分别为0.850、0.893、0.921。测试集显示，Logistic回归模型、BP神经网络模型及支持向量模型的查准率分别为78.38%、80.65%、88.57%，召回率分别为70.73%、60.98%、75.61%，正确率分别为85.82%、84.40%、90.07%，F1指数分别为0.74、0.69、0.82，AUC分别为0.814、0.775、0.858。结论:与Logistic回归模型和BP神经网络模型相比，支持向量机模型的预测效果更好，可以有效预测老年COPD患者30 d内急性加重再入院风险。

老年;慢性阻塞性肺疾病;Logistic回归;BP神经网络;支持向量机

张瑞;常艳;张晓娜;路露;丁玲;芦鸿雁

宁夏医科大学总医院护理部，银川　750004;宁夏医科大学总医院普胸外科，银川　750004;宁夏医科大学总医院呼吸内科，银川　750004

中华危重病急救医学

[1]张瑞;常艳;张晓娜;路露;丁玲;芦鸿雁-.Logistic回归和BP神经网络及支持向量机模型对老年COPD患者30 d内急性加重再入院风险的预测性能比较)[J].中华危重病急救医学,2022(08):819-824

支持向量机模型,COPD,内急,急性加重,再入院,预测性能,性能比较,老年慢性阻塞性肺疾病,高风险患者,调查表,医学研究,呼吸困难,mMRC,日常生活能力,能力评估,评估量表,ADL,老年抑郁量表,营养评定,评定量表,MNA,SF,CAT,便利抽样,抽样法,宁夏地区,综合医院,呼吸内科,内科治疗,出院后,训练集,测试集,查准率,召回率,受试者工作特征曲线,特征曲线下面积,预测效能,非再,文化程度,住院次数,季节因素,长期家庭氧疗,规律用药,康复锻炼,抑郁状况,营养状况,冠心病史

0.208845