利用决策树算法构建重症颅脑损伤术后脑疝形成的风险预测模型

摘要

目的 利用决策树算法构建重症颅脑损伤（STBI）术后脑疝形成的风险预测模型。方法 回顾性分析郑州市第七人民医院2016-01—2023-12收治的472例STBI患者的临床资料，根据术后是否发生脑疝将其分为脑疝组（62例）和非脑疝组（410例）。采用多因素Logistic回归分析STBI术后脑疝形成的危险因素，以卡方自动交互检验算法构建风险预测决策树模型。采用受试者工作特征（ROC）曲线和混淆矩阵评估决策树模型的预测效能。结果 STBI患者术后脑疝形成的发生率为13.14%(62/472)。脑疝组年龄≥60岁、开放性损伤、格拉斯哥昏迷量表（GCS）评分3～5分、急性生理和慢性健康状态评价Ⅱ（APACHEⅡ）评分≥10分、低血压、蛛网膜下腔出血、脑积水占比均高于非脑疝组（P<0.05）。多因素Logistic回归分析显示年龄≥60岁、开放性损伤、GCS评分3～5分、APACHEⅡ评分≥10分、低血压、蛛网膜下腔出血、脑积水均是STBI术后脑疝形成的危险因素（P<0.05）。STBI术后脑疝形成的风险预测决策树模型共生长5层，共计13个节点、7个终端节点，最终筛选6个解释变量，即年龄、损伤类型、GCS评分、APACHEⅡ评分、蛛网膜下腔出血、脑积水，其中脑积水是最重要的危险因素，决策树模型共提取7条分类规则，筛选出3类高危人群。ROC曲线分析显示，决策树模型、多因素Logistic回归模型预测STBI术后脑疝形成的曲线下面积分别为0.959(95%CI:0.936～0.975)、0.948(95%CI:0.924～0.966)。混淆矩阵分析显示，决策树模型的精确度79.17%,F值0.85。结论 STBI术后脑疝形成的风险预测决策树模型共生长5层，包括年龄、损伤类型、GCS评分、APACHEⅡ评分、蛛网膜下腔出血、脑积水共6个危险因素，其中脑积水是最为重要的危险因素，且该模型具有良好的预测效能，有助于临床筛选高风险患者以预防脑疝形成。

关键词

重症颅脑损伤 / 脑疝 / 决策树算法 / 蛛网膜下腔出血 / 脑积水 / 危险因素 / 预测模型