文摘目的:收集患者临床信息,采用机器学习算法构建患者静脉用药风险预测模型。方法:回顾性纳入静脉用药患者(建模组1 302例和验证组281例),采用药学监护联盟协会提出的药物相关问题V 9.09分类标准分析患者存在的药物相关问题,采用logistics回归、神经网络、CHAID决策树、贝叶斯网络、支持向量机等机器学习算法构建静脉用药风险预测模型,并采用混淆矩阵格式对各预测模型进行评价。通过准确率、召回率、精确率、F1值以及生成验证受试者工作特征曲线下面积(area under curve,AUC)评价模型的预测性能。结果:患者药物相关问题发生率为26.9%。患者药物相关问题主要集中在治疗安全性方面(n=556,94.9%),其次是治疗有效性方面(n=30,5.1%)。构建的模型中支持向量机的预测效能最好,AUC为0.826。结论:机器学习算法构建的静脉用药风险预测模型预测效能良好,可为静脉用药安全管理提供新思路和新方法。
