基于随机森林模型的小儿重症肺炎支原体肺炎风险因素分析的应用研究

摘要

目的 本研究旨在通过随机森林模型分析小儿重症肺炎支原体肺炎（MPP）的风险因素，为临床早期识别和干预提供依据。方法 选择2024年1～12月黎川县人民医院收治住院的小儿MPP患者198例的临床资料，其中133例为非重症组，65例为重症组。对两组患者的临床特征进行比较，并采用单因素Logistic回归分析和随机森林模型评估各变量对重症MPP的影响。随机森林模型的构建包括特征重要性分析和受试者工作特征(ROC)曲线评估。结果 在临床特征比较中，两组在年龄和性别分布上差异无统计学意义（P>0.05），重症组在发热病程、白细胞计数、C反应蛋白、红细胞沉降率、降钙素原、白细胞介素-6、乳酸脱氢酶、肌酸激酶同工酶等指标上均显著高于非重症组，差异有统计学意义（P<0.05）。同时，重症组中高热和喘息的发生率显著高于非重症组，差异有统计学意义（P<0.05）。单因素Logistic回归分析显示，高热、发热病程、喘息、白细胞计数、C反应蛋白、红细胞沉降率、降钙素原、白细胞介素-6、乳酸脱氢酶、肌酸激酶同工酶均与重症MPP风险有显著关联。随机森林模型分析显示，模型的错误率在决策树数目为45时最低，危险因素的重要性排序依次是发热病程、白细胞计数、年龄、是否高热、肌酸激酶同工酶、红细胞沉降率、C反应蛋白、红细胞计数、白细胞介素-6、乳酸脱氢酶、降钙素原、是否喘息、血小板计数、性别。ROC曲线分析显示，随机森林模型的ROC曲线下面积为0.882，灵敏度为75.68%，特异度为93.33%。结论 本研究通过单因素Logistic回归分析和随机森林模型，识别了发热病程、高热、喘息、白细胞计数等变量作为小儿重症MPP的风险因素。这些结果为临床早期识别和干预重症MPP提供了重要参考，有助于改善患儿的预后。

关键词

重症肺炎 / 肺炎支原体肺炎 / 风险因素 / 随机森林模型 / Logistic回归分析 / 儿童