老年慢性心力衰竭患者可逆性认知衰弱风险预测模型的比较

摘要

目的 采用3种机器学习算法构建老年慢性心力衰竭（CHF）患者可逆性认知衰弱（RCF）风险预测模型，比较3种机器学习算法的预测性能，为临床医护人员早期识别老年CHF的RCF发生提供筛查工具。方法 于2024年6月—10月，便利选取衡阳市某三级甲等医院心内科就诊的300例老年CHF患者为研究对象，通过问卷调查和查阅病历收集资料。采用Logistic回归、CART决策树和随机森林3种机器学习算法构建老年CHF患者RCF风险预测模型，对3种算法的预测性能进行比较。结果 老年CHF患者RCF的发生率为28%。年龄、每周体育锻炼频率和双向社会支持是3种机器学习模型共同的预测因子（P<0.05）。对3种机器学习算法的预测性能进行比较，随机森林模型的预测性能最佳，其AUC、准确率、精确率、召回率和F1分别为0.884、0.789、0.963、0.591和0.732。结论 年龄、每周体育锻炼频率和双向社会支持是3种机器学习模型共同的预测因子。构建的风险预测模型中随机森林模型预测性能最佳，可用于老年CHF患者RCF的筛查。

关键词

老年人 / CHF / 可逆性认知衰弱 / 影响因素 / 风险预测模型

基金资助

2024年度南华大学船山学院大学生创新创业训练计划项目（S202412650010）