基于随机森林算法预测急性脑梗死溶栓后血管再闭塞的临床研究

摘要

目的 探讨急性脑梗死（ACI）溶栓后血管再闭塞的影响因素，并构建随机森林算法模型。方法选取2022-01—2024-12首都医科大学附属北京友谊医院收治的252例ACI患者为研究对象，根据溶栓后血管再闭塞情况分为发生组和未发生组。比较2组一般资料，采用Logistic回归方程分析ACI溶栓后血管再闭塞的影响因素，并构建Logistic回归模型，采用R软件建立ACI溶栓后血管再闭塞的随机森林算法模型，绘制受试者工作特征（ROC）曲线和校准曲线分析两种模型的预测效能。结果 发生组入院美国国立卫生研究院卒中量表（NIHSS）评分、全身炎症反应指数（SIRI）、微小核糖核苷酸-127(miR-127)、微小核糖核苷酸-320(miR-320)及高血糖占比均高于未发生组（P<0.05）。Logistic回归方程显示，入院NIHSS评分、SIRI、miR-127、miR-320及高血糖是ACI患者溶栓后血管再闭塞的影响因素（P<0.05）。随机森林模型显示，ntree=300时可获得最优模型，ACI患者溶栓后血管再闭塞的影响因素重要性排序为入院NIHSS评分、miR-320、SIRI、miR-127、高血糖。随机森林算法模型预测ACI患者溶栓后血管再闭塞的曲线下面积（AUC）高于Logistic回归方程模型，且校准曲线围绕对角线波动。结论 入院NIHSS评分、SIRI、miR-127、miR-320及高血糖是ACI患者溶栓后血管再闭塞的影响因素，基于随机森林算法开发得到的ACI溶栓后血管再闭塞预警模型具有较好的预测效能，有助于及早制定相关防治措施，降低血管再闭塞风险。

关键词

急性脑梗死 / 溶栓 / 血管再闭塞 / 随机森林算法 / Logistic回归模型

基金资助

河北省医学科学研究重点课题计划项目（编号：20231794）