基于隨機(jī)森林的肝硬化上消化道出血風(fēng)險(xiǎn)預(yù)測.pdf

1、目的：基于肝硬化患者的臨床病歷數(shù)據(jù)，構(gòu)建肝硬化患者上消化道出血的隨機(jī)森林預(yù)測模型。通過隨機(jī)森林模型實(shí)現(xiàn)對肝硬化患者并發(fā)上消化道出血發(fā)病與否及發(fā)病概率預(yù)測，識(shí)別出將會(huì)發(fā)生上消化道出血的肝硬化患者，把握疾病發(fā)展動(dòng)態(tài)。從而可以通過避免接觸上消化道出血誘因，以及盡早的干預(yù)與預(yù)防性治療等措施，降低肝硬化上消化道出血的發(fā)生率及致死率。
　　方法：通過回顧性收集山西醫(yī)科大學(xué)第一臨床醫(yī)院消化內(nèi)科2006年1月～2015年12月期間出院的肝硬化患者

2、病歷中的基本信息、既往疾病史、并發(fā)癥、入院臨床表現(xiàn)及體征、入院血常規(guī)、血生化、相關(guān)抗原、凝血功能檢查等資料。利用卡方檢驗(yàn)及T檢驗(yàn)篩選出與并發(fā)上消化道出血有關(guān)聯(lián)的變量，并經(jīng)臨床專家結(jié)合臨床實(shí)際剔除為上消化道出血的表現(xiàn)的變量。將數(shù)據(jù)集按3:1:1比例隨機(jī)分成訓(xùn)練數(shù)據(jù)集、驗(yàn)證數(shù)據(jù)集和測試數(shù)據(jù)集三部分。以篩選出的自變量為輸入，是否并發(fā)上消化道出血為輸出，在訓(xùn)練數(shù)據(jù)集中分別建立logistic回歸、決策樹和隨機(jī)森林預(yù)測模型，驗(yàn)證數(shù)據(jù)集用于決策樹和

3、隨機(jī)森林模型模型性能提升時(shí)各不同參數(shù)設(shè)置模型的預(yù)測性能比較，最終在測試數(shù)據(jù)集中評價(jià)三種最終模型預(yù)測的準(zhǔn)確度、靈敏度、特異度、陽性預(yù)測值、陰性預(yù)測值和AUC指標(biāo)并進(jìn)行比較。
　　結(jié)果：通過篩選，最終用于建模的變量為：Child-Pugh分級、惡心、腹脹、浮腫、腹水、移動(dòng)性濁音、上消化道出血病史、脾切手術(shù)史、總蛋白、白蛋白、總膽紅素、堿性磷酸酶、谷氨酰轉(zhuǎn)肽酶、血糖、膽固醇、尿素氮、血清鉀、凝血酶原百分活動(dòng)度、活化部分凝血活酶時(shí)間、癌胚

4、抗原和CA19-9抗原，共21個(gè)。logistic回歸預(yù)測模型在測試數(shù)據(jù)集中預(yù)測結(jié)果為：準(zhǔn)確度81.50％、靈敏度60.00%、特異度89.20%、陽性預(yù)測值66.70%、陰性預(yù)測值86.10%、AUC值0.854。決策樹模型通過驗(yàn)證數(shù)據(jù)集的驗(yàn)證，最佳參數(shù)設(shè)置為：采用信息熵(information)為分裂屬性選擇度量標(biāo)準(zhǔn)，后剪枝處理復(fù)雜度參數(shù)CP為0.026，損失矩陣(loss)設(shè)置為C（0,3,1,0）。決策樹模型在測試數(shù)據(jù)集中預(yù)測結(jié)

5、果為：準(zhǔn)確度75.10%、靈敏度78.00%、特異度74.10%、陽性預(yù)測值52.00%、陰性預(yù)測值90.40%、AUC值0.720。隨機(jī)森林模型通過驗(yàn)證數(shù)據(jù)集的驗(yàn)證，最佳參數(shù)設(shè)置為：模型包含樹的棵數(shù)（ntree）為500,隨機(jī)選擇的特征數(shù)(mtry)為4。隨機(jī)森林模型在測試數(shù)據(jù)集中預(yù)測結(jié)果為：準(zhǔn)確度88.90%、靈敏度64.00%、特異度97.80%、陽性預(yù)測值91.40%、陰性預(yù)測值88.30%、AUC值0.909。通過比較各項(xiàng)指標(biāo)