基于决策树算法,开发一款预测性模型来预测卒中后抑郁症:一项基于多中心医院的队列研究
Guo Li1, Jinfeng Miao1, Ping Jing2
1Department of Neurology, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, 1095 Jiefang Avenue, Wuhan, Hubei 430030, China.
Journal of psychosomatic research
|September 28, 2024
概括
脑卒中后抑郁症 (PSD) 是常见的. 这项研究确定了关键预测因素,如冠心病史和住院时间,以建立决策树模型来预测出院时的PSD.
科学领域:
- 神经学 神经学
- 精神病学是一个精神病学.
- 数据科学数据科学数据科学
背景情况:
- 脑卒中后抑郁症 (PSD) 是中风后经常发生的严重并发症.
- 预测PSD对于患者的管理和康复至关重要.
- 使用多预测器模型提供了比单个预测器分析更全面的方法.
研究的目的:
- 开发用于医院出院后的中风后抑郁症 (PSD) 的实际预测工具.
- 采用决策树 (DT) 算法来构建这些预测模型.
- 在中风幸存者中确定PSD的显著预测因子.
主要方法:
- 一项多中心前性队列研究,涉及876名中风患者,发病后7天内进行.
- 使用多变量逻辑回归识别了PSD的独立预测因素.
- 分类和回归树 (CART) 算法用于决策树模型开发.
主要成果:
- 出院时PSD的关键预测因素包括冠心病史,住院时间长度,NIHSS得分和迷你精神状态检查 (MMSE) 得分.
- 亚组分析显示出出血性中风,高血压史和更高的修改兰金级 (mRS) 分数与年轻成年人PSD之间的关联.
- 该研究确定了PSD的显著预测因素,使得预测模型的构建成为可能.
结论:
- 通过使用决策树算法成功构建出院后中风后抑郁症 (PSD) 的预测模型.
- 已识别的预测因素有助于临床决策管理PSD.
- 开发的工具有助于在中风患者中早期识别和管理PSD.
