期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于机器学习的耐碳青霉烯类肠杆菌感染风险因素分析 被引量：1
1
作者 肖春海 梁爽 +3 位作者 刘向禄 吴娟芳 马慧敏 钟杉 《国际检验医学杂志》 CAS 2024年第1期79-83,共5页
目的探讨医院耐碳青霉烯类肠杆菌(CRE)感染的机器学习模型及风险因素分析。方法回顾性收集2018—2022年在该院治疗的451例产超广谱β内酰胺酶(ESBL)的肠杆菌感染患者病例资料,根据其对碳青霉烯是否耐药分为CRE组(115例)和敏感组(336例)... 目的探讨医院耐碳青霉烯类肠杆菌(CRE)感染的机器学习模型及风险因素分析。方法回顾性收集2018—2022年在该院治疗的451例产超广谱β内酰胺酶(ESBL)的肠杆菌感染患者病例资料,根据其对碳青霉烯是否耐药分为CRE组(115例)和敏感组(336例)。用Logistic回归分析、随机森林、支持向量机、神经网络4种机器学习方法构建预测模型并绘制受试者工作特征曲线进行评估,根据性能最好的预测模型分析CRE感染的风险因素。结果随机森林模型性能最优,其曲线下面积最大,为0.9523。随机森林模型预测CRE感染的风险因素为发热超过3 d、有脑损害、引流液标本、躯干手术、一级或特级护理、ICU治疗、降钙素原、抗厌氧菌治疗、用3代头孢、年龄、前清蛋白、肌酐、白细胞计数和清蛋白15项临床资料。结论该研究得出的CRE预测模型具有较好的预测价值,其风险因素对于临床防治CRE早期感染有指导意义。 展开更多
关键词 风险因素 耐碳青霉烯 肠杆菌 机器学习
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部