基于决策树和神经网络预测脑卒中手术患者医院感染危险因素  

作　　者：宋明 刘芸宏[2] 吴晓慧[2] 李倩[2] 王书会[2] 

机构地区：[1]山东大学护理与康复学院,250012 [2]山东大学齐鲁医院

出　　处：《中国卫生统计》2022年第2期253-256,共4页Chinese Journal of Health Statistics

基　　金：山东省自然科学基金(ZR2018MG015)。

摘　　要：目的 基于决策树卡方自动交互检测(CHAID)算法和神经网络分析脑卒中手术患者医院感染危险因素,为早期筛查医院感染高危人群提供科学依据。方法 前瞻性收集2016年1月-2019年12月某三级甲等医院进行脑卒中手术患者的临床资料,应用CHAID算法和神经网络分析脑卒中患者医院感染的危险因素,并与多元logistic回归分析进行比较。用受试者工作特征曲线(ROC)下面积(AUC)比较不同模型的预测效果。结果 共纳入脑卒中手术患者1124例,医院感染269例,医院感染发生率为23.93%;决策树和神经网络分析均显示留置胃管、住院时间和静脉血栓是脑卒中手术患者医院感染的危险因素,决策树模型预测的正确率为81.1%,ROC曲线下面积为0.821(95%CI:0.799~0.848);神经网络模型预测的正确率为86.2%,ROC曲线下面积为0.874(95%CI:0.852~0.894);通过比较,两模型预测效果好,存在的差异有统计学意义(Z=5.565,P<0.001)。结论 神经网络分析模型预测效果优于决策树模型,两模型分别从不同层面探究脑卒中患者医院感染的危险因素,便于早期筛查医院感染的高危患者,开展有效的预防控制措施,降低医院感染的发生率。

关 键 词：脑卒中 医院感染 决策树 神经网络 危险因素 

分 类 号：R195[医药卫生—卫生统计学]