在急性缺血性中风的老年患者中延迟医疗决策的预测模型:使用后勤回归分析和轻GBM算法进行比较研究

科学领域:

• 老年学是一门学科.
• 神经学 神经学
• 数据科学数据科学数据科学

背景情况:

• 在患有急性缺血性中风 (AIS) 的老年人中,延迟医疗决策带来了重大健康风险.
• 了解导致这些延迟的因素对于及时干预至关重要.

研究的目的:

• 确定影响老年AIS患者延迟医疗决策的因素.
• 为了比较物流回归的预测性能和这些延迟的光梯度增强机 (LightGBM) 算法.

主要方法:

• 一项涉及309名患有AIS的老年患者 (≥60岁) 的横截面研究.
• 收集的数据包括人口统计,中风特征,中风知识,健康素养和社交网络.
• 后勤回归和LightGBM模型被开发并使用准确性,回忆,F1分数,AUC和精度进行比较.

主要成果:

• 在老年AIS患者中观察到74.76%的高延迟率.
• 两种模型都确定了关键的影响因素,包括中风严重程度,中风识别,以前的中风知识,健康素养和社交网络.
• 该LightGBM模型表现出卓越的性能,其AUC为0.909.

结论:

• 在LightGBM算法是最佳的早期识别延迟医疗决策在老年AIS患者.
• 鉴定的因素为制定有针对性的预防和干预策略提供了洞察力.
• 减少决策延迟可以促进老年AIS患者的更好的健康结果.