梯度提升机模型在非静脉曲张上消化道出血后再出血中的预测价值

摘要

目的：探讨梯度提升机（GBM）模型在预测非静脉曲张上消化道出血（NVUDB）患者再出血中的临床价值。方法：回顾性分析2020年10月至2021年12月本院收治的258例NVUDB患者的临床资料，并按照7∶3比例将数据集随机分为训练集和验证集，分别用于构建GBM模型和验证模型的可靠性。采用受试者工作特征（ROC）曲线分析评价模型性能，校准曲线评估模型预测概率与样本概率之间的一致性，决策曲线评估该模型的临床实用性。结果：NVUDB患者再出血发生率为20.9%。GBM算法模型中重要特征得分前5项为Rockall评分、入院时休克、D-二聚体水平、白蛋白水平、红细胞分布宽度。训练集曲线下面积为0.985(95%CI:0.971～0.998)，验证集为0.873(95%CI:0.785～0.960)。训练集的预测准确率为92.2%，验证集的预测准确率为83.3%。校准曲线显示GBM模型预测值与实际观测值之间具有良好的一致性，模型能够较好地预测实际概率。临床决策曲线分析结果展示了模型具有良好的临床表现能力。结论：基于GBM算法模型可以较好地预测NVUDB患者再出血的风险因素，且具有较高的临床有效性。

关键词

机器学习 / 梯度提升机模型 / 非静脉曲张上消化道出血 / 再出血 / 决策曲线