基于大数据方法的高血压脑出血转归预测

作者：孙海悦; 张策; 杨超^*

来源：中国老年学杂志, 2019, 39(16): 3884-3888.

• 大数据
• 高血压脑出血
• 转归
• 决策树

目的通过建立决策树模型分析影响高血压脑出血患者转归的影响因素。方法①收集2017年至2018年8月,于大连医科大学附属第二医院放射科的高血压脑出血患者的临床数据资料,病人均经影像学及术后病理确诊,并以此建立数据库。②筛选出具有完整病历资料的病历,选取24项与患者预后相关的影响因素建立表格,对表格变量予以数值标注,并筛选出与患者术后转归情况较为密切的预测变量。③建立模型数据流,以C5.0算法建立决策树模型,选择分类算法,比较验证训练模型和验证模型的分辨率。④输出预测结果,通过预测转归情况与实际转归情况的百分位数增益图进行结果验证。结果①建立了大连医科大学附属第二医院放射科2017年3月至2018年8月的高血压脑出血数据库。②通过决策树方法,筛选出血肿面积与吸烟量与患者转归情况最为密切。③训练模型的准确率为76.47%,测试模型的准确率为53.33%。④预测转归情况与实际转归情况具有较高的符合度。结论决策树模型能够对高血压脑出血患者的转归进行个体化预测,对临床辅助治疗有一定的指导意义。

• 单位
  大连医科大学附属第二医院; 大连医科大学中山学院