基于随机森林算法建立无痛胃肠镜检查期间低氧血症的预测模型

摘要

目的 探讨基于随机森林(RF)算法建立无痛胃肠镜检查期间低氧血症的预测模型。方法 回顾性分析2023年3月至2025年3月行无痛胃肠镜患者1 000例，根据术中是否发生低氧血症分为发生组(143例)和未发生组(857例),收集患者临床资料，采用倾向性评分匹配法，按照1∶1比例匹配两组的临床资料，匹配后采用单因素及多因素分析术中低氧血症的影响因素；应用R软件构建RF算法预测模型，并采用ROC曲线，以AUC比较两种模型的预测价值。结果 两组通过1∶1倾向性评分匹配后，共匹配79对患者；多因素分析结果显示，MBI、习惯性打鼾、气道分级、颈围、丙泊酚用量、检查用时为术中低氧血症的独立影响因素(均P<0.05)。RF算法结果显示，前6位影响因素是BMI、检查用时、丙泊酚用量、颈围、习惯性打鼾、气道分级。多因素模型和RF算法模型ROC曲线的AUC分别为0.935、0.975。结论 无痛胃肠镜检查期间低氧血症的发生受BMI、检查用时、丙泊酚用量、颈围、习惯性打鼾、气道分级的影响，且基于RF算法构建的模型预测效能更高。

关键词

随机森林算法 / 无痛胃肠镜 / 低氧血症 / 预测模型