摘要
摘要目的探讨人工智能算法模型在创伤患者下肢静脉血栓栓塞症（VTE）诊断中的预测效能。方法回顾性收集1992年12月至2017年11月中国人民解放军总医院信息系统数据库中骨折手术患者资料，共15 856例。按照患者有无血栓将其分组，并进行数据预处理和特征提取。选择随机森林（RF）、贝叶斯（Bayes）、决策树（DTC）及梯度提升树（GBDT）4种常用算法构建VTE风险预测模型，根据院内患血栓与否进行随机分层抽样，将原始数据按8∶2的比例分为训练集和测试集。通过比较上述方法中受试者工作特征曲线（ROC）下面积（AUC）、真阳性率（TPR）和精确度，评估不同模型在VTE临床诊断中的效能。根据研究特征在模型中的贡献程度进行重要特征排序，筛选VTE的重要预测特征。结果RF、Bayes、DTC和GBDT模型AUC分别为0.89，0.86，0.68，0.71，TPR分别为0.29，0.44，0.38，0.66，精确度分别为0.97，0.94，0.95，0.76；其中RF模型AUC最大，精确度最高。对各VTE人工智能预测模型的重要特征分析表明，血栓病史可以作为不良结局的首要预测因素。RF模型重要临床特征排序为：血栓病史、依诺肝素钠注射液剂量、最后一次葡萄糖测定结果、术后首次葡萄糖测定结果等。结论RF模型在创伤患者VTE风险预测中的精确度最高，能够为VTE预防策略制订提供参考依据。
出版日期
2021年11月07日（中国期刊网平台首次上网日期，不代表论文的发表时间）
