基于决策树和随机森林算法模型预测醛固酮瘤患者术后血压恢复情况

摘要

目的 构建决策树和随机森林算法模型，预测醛固酮瘤患者术后血压恢复情况，评估其预测效果，并识别影响术后血压恢复的关键因素。方法 收集211例醛固酮瘤患者的基本信息，按照7∶3的比例将数据集划分为训练集和测试集。在训练集上分别使用决策树和随机森林算法模型构建醛固酮瘤患者术后血压恢复情况的预测模型，并在测试集上进行验证。通过比较两种模型的预测性能，评估其在术后血压恢复预测中的效果。结果 在211例醛固酮瘤患者中，术后血压恢复正常的患者79例，术后血压有所改善但未治愈的患者132例，术后血压治愈率为37.4%。两组患者在年龄、体质量指数、高血压病程及肾小球滤过率等方面差异有统计学意义（P<0.05）。决策树模型的预测准确率为0.75，特异度为0.82，灵敏度为0.64,AUC为0.79,F1分数为0.67；随机森林模型的预测准确率为0.81，特异度为0.87，灵敏度为0.72,AUC为0.87,F1分数为0.75，故随机森林模型的预测性能优于决策树模型。结论 随机森林模型能够更准确地预测醛固酮瘤患者术后血压的恢复情况，有效识别出年龄、体质量指数、高血压病程和肾小球滤过率等影响因素。该模型可为醛固酮瘤患者术后血压的临床治疗和个性化管理提供科学依据。

关键词

醛固酮瘤 / 肾上腺切除术 / 血压 / 预测模型 / 决策树模型 / 随机森林算法模型 / 影响因素