马 霞,马 磊

目的：本项研究的目的是利用多种机器学习技术来构建急性一氧化碳中毒患者的迟发性脑病预测模型，并从中筛选出关键的临床特征，以便为临床诊断和治疗提供可靠的预测工具。方法：纳入163例急性CO中毒患者，其中迟发性脑病组83例，对照组80例。通过分析患者的基本特征和Pearson相关性分析筛选相关变量，采用RF-RFE进行特征排序，并使用XGBoost、LightGBM、随机森林、AdaBoost和决策树进行模型比较。结果：关键特征包括碳氧血红蛋白、年龄、AST、血钠等。XGBoost模型在验证集中表现最优，AUC为0.911，准确率为81.8%，灵敏度80.2%，特异度83.6%，p值均<0.05，具有良好的泛化能力。结论：XGBoost模型在预测急性CO中毒患者迟发性脑病方面表现最优，碳氧血红蛋白、年龄和AST是重要预测因素，模型可为临床决策提供参考。

急性一氧化碳中毒；迟发性脑病；机器学习；XGBoost

[1] Zeng S,Li Y,Yao Z,et al.Edaravone combined with hyperbaric oxygen therapy in delayed encephalopathy after acute carbon monoxide poisoning:A meta-analysis[J].Journal of Clinical Neuroscience,2024,126270-283. [2] Liu B Z,Wang C L,Lian J J,et al.Analysis of factors associated with the development of delayed encephalopathy following acute carbon monoxide poisoning.[J].Scientific reports,2024,14(1):14630. [3] 王霈雯,滕登科,谭诚,等.急性一氧化碳中毒迟发性脑病预测方法的现状及进展[J].长春中医药大学学报,2024,40(05):581-585. [4] Vlcek P,Monkova I,Nerandzic Z,et al.Delayed encephalopathy after acute carbon monoxide poisoning:a case study.[J].Brain injury, 2024,38(5):1-6. [5] 谭倩梅,杨静,李秋萍.基于SMOTE算法的急性一氧化碳中毒迟发性脑病风险预警模型的构建[J].护理管理杂志,2023, 23(09):760-763+780.

点击下载PDF