心力衰竭患者认知衰弱风险预测模型的构建研究

摘要

目的 利用4种机器学习算法，构建针对心力衰竭患者认知衰弱的风险预测模型，并通过模型评价指标，选出具有最佳预测性能的模型算法，为患者的精准医疗管理与干预提供有力支持。方法 本研究采用便利抽样法，选取2023年3月至12月佛山市2所三级甲等医院的心力衰竭患者为研究对象，通过一般资料调查表、蒙特利尔认知评估量表、Fried衰弱表型量表、主观认知下降量表、微型评估精法、患者健康问卷对患者进行问卷调查，基于Logistic回归、极端梯度提升算法、随机森林、决策树4种机器学习算法，按照7∶3比例，将数据集划分为训练集和测试集，并利用这些数据构建HF患者认知衰弱的预测模型。采用准确率、召回率、精确率、F1分数和受试者工作特征曲线下面积评价预测模型的性能。结果 共回收247份有效问卷，HF患者认知衰弱患病率为44.94%。预测因子有NYHA心功能分级、日常生活活动能力、营养情况、抑郁状况、每周运动次数、年龄及NT-proBNP。随机森林模型准确率、召回率、精确率、F1分数和受试者工作特征曲线下面积均最高。结论 基于机器学习算法构建的心力衰竭患者认知衰弱的预测模型中，随机森林模型更适合用于心力衰竭患者认知衰弱风险的预测。

关键词

心力衰竭 / 认知衰弱 / 机器学习 / 预测模型