论文部分内容阅读
目的
基于机器学习法建立早期预测血流感染模型，为早期诊断血流感染提供依据。
方法选择2018年1月至2018年12月于郑州大学第一附属医院住院并留取血培养1 954例患者为研究对象。根据血培养结果，将研究对象分为血流感染组和非感染组。采用随机森林模型筛选出与血流感染相关特异性指标，建立预测模型。
结果预测早期血流感染指标包括胆碱酯酶(CHE)、降钙素原(PCT)、高密度脂蛋白(HDL)、淋巴细胞百分比(Lymph%)和血小板计数(PLT)。该模型在预测集和测试集中曲线下面积(AUC)值分别为0.896 6、0.874 7，95%可信区间(CI)分别为0.879 9～0.913 2、0.846 9～0.902 4。
结论基于机器学习血流感染预测模型可以有效地预测细菌或真菌导致的血流感染，为血流感染的早期诊断提供依据。