胃癌术后居家患者营养不良关键指标识别——基于机器学习的决策树模型

作者：马千惠; 马清萧^*

来源：癌症进展, 2023, 21(04): 375-394.

• 胃癌
• 营养不良
• 机器学习
• 决策树

目的 运用机器学习技术，通过决策树模型探索胃癌术后出院患者营养相关指标与患者提供的主观整体营养状况评估量表（PG-SGA）的关系。方法 在出院时及出院4周时采用PG-SGA对109例胃癌根治术患者进行营养评估，并收集患者出院时及出院4周时的体重、体重指数（BMI）、淋巴细胞计数（LYM）、血红蛋白（Hb）、白蛋白（ALB）、血清前白蛋白（PA）生理生化指标。运用分类回归树（CART）决策树模型对患者出院4周内营养状态变化情况进行分类。结果 当患者出院4周内体重下降超过8.06%时，患者明确存在营养不良恶化问题；当体重变化-2.57%～2.22%时，患者营养不良恶化问题并不显著；当患者体重变化-6.01%～-4.02%时，患者营养不良变化情况比较复杂，仅利用体重变化量不能对患者营养不良变化情况进行分类。结论 机器学习作为一项先进的方法学技术可以有效识别患者营养状态变化，社区居家患者及其照护者可以在一定条件下通过体重波动情况便捷、有效地识别患者营养不良风险情况。

• 单位
  中国医学科学院北京协和医院