论文部分内容阅读
目的 基于机器学习算法,构建终末期肾病患者肾移植术后抑郁症的预测模型,并验证该模型的预测效果。方法 选取2015年2月至2019年3月南京某三甲医院泌尿外科行肾移植手术的189例患者为模型建立对象,根据术后1年的随访结果将其分为抑郁组(n=74)和非抑郁组(n=139)。使用过采样技术对数据不平衡处理后,以0.75∶0.25的比例将数据集划分为训练集和测试集。选用6种常见机器学习算法在训练集上进行10倍交叉验证,根据AUC值选出表现最好的算法在完整训练集上训练,于测试集上评估,并筛选出预测相关重要特征。结果 经10倍交叉验证后随机森林算法被用作最终模型的建立。在测试集上,随机森林模型准确率、灵敏度和特异性分别为80.6%、83.3%和78.1%。贡献最大的前五个特征为肌酐、护理模式、收入、总蛋白和白蛋白。结论 本研究建立的随机森林模型预测效果良好,可为患者肾移植术后抑郁症的预测提供借鉴。此外,护理模式在模型中较高的贡献也间接表明护理工作在改善此类患者心理健康方面的重要性。