基于支持向量机的急性出血性脑卒中早期预后模型的建立与评价
近期，南京医科大学公共卫生学院研究人员发表论文，旨在比较支持向量机（supportvectormachine，SVM）和传统的Logistic回归构建的急性出血性脑卒中（intracerebralhemorrhage，ICH）早期预后判别模型的预测性能，探索急性ICH预后研究的新方法。研究指出，采用SVM能较好地判断急性ICH患者的早期预后，其效能优于Logistic回归模型。该文发表在20
近期，南京医科大学公共卫生学院研究人员发表论文，旨在比较支持向量机（support vector machine，SVM）和传统的Logistic回归构建的急性出血性脑卒中（intracerebral hemorrhage，ICH）早期预后判别模型的预测性能，探索急性ICH预后研究的新方法。研究指出，采用SVM能较好地判断急性ICH患者的早期预后，其效能优于Logistic回归模型。该文发表在2016年第01期《南京医科大学学报（自然科学版）》杂志上。
收集急性ICH患者339例，随访观察21 d时的临床转归情况。应用随机数字法以3∶1的比例分为两组，一组作为训练样本用于筛选变量和建立预测模型，计254例；另一组作为验证样本，用于评价模型预测效果，计85例。建模方法采用SVM和常规统计方法中的Logistic回归。
通过对85例ICH患者的预测判别验证，SVM1的预测分类能力在4个模型为最强，4个模型预测的准确率和Youden指数分别为：Logistic回归：72.9%（62.0%～81.7%）、0.441（0.249～0.633）；SVM1：82.4%（72.3%～89.5%）、0.632（0.465～0.799）；SVM2：78.8%（68.4%～86.6%）、0.557（0.379～0.735）；SVM3：78.8%（68.4%～86.6%）、0.563（0.385～0.741）。
评论
我要跟帖
