急性缺血性卒中患者静脉溶栓后3个月不良预后的机器学习预测模型构建

摘要

目的 构建急性缺血性卒中(AIS)患者重组组织型纤溶酶原激活剂(rt-PA)静脉溶栓后3个月不良预后的预测模型，并分析相关影响因素。方法 选取396例发病4.5 h内接受rt-PA静脉溶栓治疗的AIS患者为研究对象。以3个月改良Rankin量表(mRS)评分3～6分作为不良预后的界定标准。将患者按7∶3比例分为训练集和测试集，分别建立最小绝对收缩与选择算子(LASSO)回归、逻辑回归(LR)和随机森林(RF)模型，并采用10折交叉验证进行参数优化。采用受试者工作特征曲线的曲线下面积(AUC)、校准分析、Brier分数、决策曲线分析(DCA)以及SHAP值评估、解释模型性能与变量贡献。结果 rt-PA静脉溶栓治疗3个月后，不良预后患者235例，占59.3%。测试集中，RF模型AUC为0.886,且在准确率、F1值、Brier分数和临床净获益方面表现较优。24 h美国国立卫生研究院卒中量表(NIHSS)评分、入院NIHSS评分、D-二聚体和年龄是主要预测因素。结论 机器学习模型可用于AIS患者静脉溶栓后3个月不良预后的早期评估，其中RF模型综合表现较优。

关键词

缺血性卒中 / 静脉溶栓 / 机器学习模型 / 重组组织型纤溶酶原激活剂 / 随机森林模型 / 不良预后 / 改良Rankin量表 / 美国国立卫生研究院卒中量表

基金资助

安徽省教育厅重点项目(2022AH051480); 安徽省“江淮名医”培育工程项目(2022); 蚌埠市科技创新指导类项目(20230131)