基于机器学习的创伤应激性肝损伤的预测模型构建方法

本发明公开了基于机器学习算法的创伤应激性肝损伤的临床预测模型构建方法，属于临床检验数据分析处理技术领域；具体包括：收集创伤应激性肝损伤患者的临床检验数据，并进行临床检验数据清洗结构化，引入Logistic回归、决策树、CatBoost和随机森林4种机器学习算法模型，筛选临床有意义的特征变量参与机器学习建模，并建立搜索组合算法，进行特征优化，且采用5折交叉验证方式评估各模型对创伤后发生HSI的预测能力，找出性能表现最好的模型，最后用SHAP特征重要性显示所用模型变量对临床诊断的指导作用，并基于前四个模型的重要变量，建立优化logisitic模型和列线图提高模型临床实用性，且对优化logistic模型用Calibration校准曲线和DCA决策曲线进行进一步模型评估，以此提高临床效用。