多标签深度森林算法在构建冠心病患者PCI术后不良结局预测模型中的应用研究

摘要

目的 从经皮冠状动脉介入治疗(percutaneous coronary intervention, PCI)患者术后多维结局出发，结合多标签深度森林算法构建冠心病患者PCI术后多维不良结局的预测模型。方法 收集来自山西医科大学第二医院诊断为冠心病并进行PCI术的521名患者。利用多标签ReliefF算法筛选特征，用ML-ROS(multi-label-random oversampling)算法进行数据不平衡处理，最后利用多标签深度森林算法构建预测模型。结果 利用多标签ReliefF对特征进行筛选，显示B型钠尿肽、肌酸激酶同工酶、血红蛋白、同型半胱氨酸、C反应蛋白、血清间接胆红素等变量是影响PCI预后的重要因素。MLROS算法对多标签数据的不平衡情况进行了一定程度的改进，相比较不平衡前整体标签的不平衡程度(meanIR)由3.937降低为2.668。结论 本研究将多标签深度森林算法结合PCI术后患者的不良结局进行建模。同时考虑到多标签的特征选择和数据不平衡的问题，充分考虑到临床的实际情况PCI术后患者可能同时出现多种结局的情况，更符合现代医学的要求。

关键词

冠心病 / 经皮冠状动脉介入治疗 / 多标签不平衡 / 多标签深度森林