目的应用随机森林模型探讨慢阻肺患者报告结局(COPD-PRO)中各维度与modified Medical Research Council(mMRC)呼吸困难评分一致性评价的效果,以评估COPD-PRO对患者症状判断的准确性。方法于山西13所医院收集300例慢阻肺患者,以mMRC评分...目的应用随机森林模型探讨慢阻肺患者报告结局(COPD-PRO)中各维度与modified Medical Research Council(mMRC)呼吸困难评分一致性评价的效果,以评估COPD-PRO对患者症状判断的准确性。方法于山西13所医院收集300例慢阻肺患者,以mMRC评分生成的二分类变量为结局变量,COPD-PRO13个维度为预测变量,并纳入人口学特征变量,构建随机森林模型,并与决策树模型进行比较。结果IND(独立性)、ANX(焦虑)、COG(疾病认知)、DEP(抑郁)等维度对于慢阻肺患者报告结局量表的症状评估的贡献较大。两种模型性能比较结果显示,随机森林的特异度、精准度和AUC和F 1值都高于决策树模型。结论随机森林模型在慢阻肺患者报告结局的症状评估中具有较好的预测效果,并识别影响患者症状的相关因素,为临床治疗与管理提供理论依据。展开更多
文摘目的应用随机森林模型探讨慢阻肺患者报告结局(COPD-PRO)中各维度与modified Medical Research Council(mMRC)呼吸困难评分一致性评价的效果,以评估COPD-PRO对患者症状判断的准确性。方法于山西13所医院收集300例慢阻肺患者,以mMRC评分生成的二分类变量为结局变量,COPD-PRO13个维度为预测变量,并纳入人口学特征变量,构建随机森林模型,并与决策树模型进行比较。结果IND(独立性)、ANX(焦虑)、COG(疾病认知)、DEP(抑郁)等维度对于慢阻肺患者报告结局量表的症状评估的贡献较大。两种模型性能比较结果显示,随机森林的特异度、精准度和AUC和F 1值都高于决策树模型。结论随机森林模型在慢阻肺患者报告结局的症状评估中具有较好的预测效果,并识别影响患者症状的相关因素,为临床治疗与管理提供理论依据。
基金Supported by the Program for New Century Excellent Talents in University(NCET-08-0841)the National Natural Science Foundation of China(60778034+3 种基金60877038)the Research Fund for the Doctoral Program of Higher Education(200804250006)the Science Foundation of China University of PetroleumBeijing(QZDX2010-01)
