一种肺炎支原体肺炎严重程度预测模型及其构建方法

本发明公开了一种肺炎支原体肺炎严重程度预测模型及其构建方法，通过获取肺炎支原体肺炎患者的血清样本，利用血清样本中高迁移率族蛋白B(High Mobility Group Box 1，HMGB1)、S100A8、S100A9蛋白的含量和患者临床实验室检测资料建立数据集，使用光梯度增强机(Light Gradient Boosting Machine，LightGBM)，XGBoost，Logistic，随机森林(randomforest，RF)，K近邻分类(k‑nearestneighbor classification，KNN)，支持向量机(support vector mechine，SVM)，高斯朴素贝叶斯(Gaussianbayes，GNB)，决策树(decision tree，DT)和Catboost这9种机器学习模型分别构建模型，并对模型的效能进行评估，筛选最优模型，对筛选的模型进行解释并评估模型中各指标的贡献度。本发明提供的预测模型及方法具有良好预测性能、较好的临床适用性，可有效提高肺炎支原体肺炎患者风险分层的准确性。