基于Logistic回归与XGBoost构建缺血性卒中院内复发风险预测模型的初步比较研究

• 作 者: 谷鸿秋 王春娟 李子孝 王伊龙 王拥军 姜勇
• 机 构: 首都医科大学附属北京天坛医院,国家神经系统疾病医疗质量控制中心,北京大数据精准医疗高精尖创新中心（北京航空航天大学&,首都医科大学）
• 出 处: 中国卒中杂志
• 发表日期: 2020年6期
• 关键词: 缺血性卒中 院内复发 预测模型 Ischemic stroke In-hospital stroke recurrence Prediction model
• 基金项目: “十三五”国家重点研发计划(2016YFC0901001,2017YFC1310901,2016YFC0901002,2017YFC1307905,2015BAI12B00),中国医学科学院脑血管病人工智能研究创新单元(2019RU018),北京市科学技术委员会基于人工智能的脑血管病临床诊疗决策研究(Z201100005620010),北京市百千万人才工程(2018A13),北京市青年拔尖人才项目

目的基于Logistic回归和XGBoost方法构建缺血性卒中院内复发风险预测模型,并进行初步比较。方法利用中国国家卒中登记Ⅱ(China National Stoke RegistryⅡ,CNSRⅡ)数据库中按医嘱离院的缺血性卒中患者数据,分别基于Logistic回归和XGBoost方法构建缺血性卒中院内复发风险预测模型。备选的预测因子包括人口学特征、卒中严重程度、既往病史、用药史以及临床测量指标。模型的评价指标包括ROC曲线下面积(area under the cure,AUC)、校准截距、校准斜率以