摘要
本发明公开了脓毒症凝血紊乱患者住院死亡风险预测模型的构建方法,包括S1,建立训练队列;S2,建立外部验证队列;S3,进行数据提取,使用Navicat Premium软件,且通过结构化查询语言初步获得原始数据,然后对原始数据进行筛选;S4,进行候选变量和预测因子的选择;S5,构建机器学习模型,通过多种机器学习模型分别进行训练和验证;S6,进行模型的开发和比较,确定表现最好的模型作为最终预测模型。本发明分析了各种机器学习模型在预测SIC患者住院死亡率方面的预测性能,获得具有最高预测准确性的模型,然后在测试队列中评估这个最佳模型,通过该模型预测SIC患者住院死亡率,提供了临床见解,有助于精准患者管理,减少患者死亡率。
技术关键词
风险预测模型
脓毒症患者
结构化查询语言
构建机器学习模型
凝血功能障碍患者
队列
动脉血气分析
广义线性模型
人口统计数据
梯度提升模型
凝血酶原时间
支持向量机模型
回归树模型
梯度提升机
逻辑回归模型
随机森林模型