基于决策树和Logistic回归预测出血性脑卒中手术后医院感染风险

作者：李倩; 刘芸宏; 吴晓慧; 孙淑玲; 肖茹; 高翠平; 王书会^*

来源：中华医院感染学杂志, 2021, 31(23): 3556-3561.

• 出血性脑卒中
• 医院感染
• 决策树
• 危险因素

目的 采用决策树卡方自动交互检测(CHAID)算法、二分类Logistic回归分析出血性脑卒中手术患者医院感染的危险因素，构建风险预测模型并对结果进行比较分析。方法 对2016年1月-2019年12月神经外科812例出血性脑卒中手术患者进行回顾性分析，应用CHAID算法分析医院感染的危险因素，构建决策树模型，与Logistic回归分析进行比较，采用受试者工作特征(ROC)曲线下面积(AUC),比较两预测模型的效果。结果 共统计纳入出血性脑卒中手术患者812例，其中医院感染238例，医院感染发生率为29.31%,决策树和Logistic回归结果分析均显示静脉血栓、留置胃管、使用呼吸机、引流时间(>2 d)是患者医院感染的主要危险因素；Logistic回归模型的AUC是0.762(95%CI:0.762～0.798),风险预测正确率为76.20%;决策树模型的AUC是0.787(95%CI:0.753～0.822),风险预测正确率为74.80%,两模型的预测价值均>0.75,预测效果较好。结论 两模型可从不同的层面挖掘医院感染的危险因素，将两模型有效结合可更充分地了解不同因素之间的相互作用，构建预测模型可以早期筛查高危人群，预防和控制医院感染，进而降低医院感染率。

• 单位
  山东大学; 山东大学齐鲁医院