Data Management And Sharing System of China National Clinical Research Center for Neurological Diseases

Journal：中国卒中杂志

Publication type: Article

IF(IF): 1

PMID: --- Link To Pubmed Full text Download

卒中是全球第二大死亡原因，也是我国死亡和残疾的主要原因[1,2]。急性缺血性卒中（acute ischemic stroke，AIS）占全部卒中的80%，具有高致残率、高致死率及高复发率等特点[3]。AIS预后不稳定，易复发。因此，利用预测模型准确预测AIS患者预后，提升患者的精准风险分层与管理、优化医疗资源配置、改善患者预后是卒中二级预防中不可忽视的环节。随着计算机算力的提高，大数据时代的到来，以及算法的更新，机器学习在疾病预测方面取得了良好的进展。其中，多种集成模型（例如各种树模型）在疾病预测方面逐渐呈现出一定优势。本研究利用CNSR 数据库重点研究新发急性缺血性卒中患者1年预后的相关因素，比较机器学习模型和Logistic模型的预测性能，为相关研究和临床工作提供参考。 建立基于机器学习的新发急性缺血性卒中患者1预后预测模型，为相关研究和临床工作提供借鉴。

1.4模型构建方法 1.4.1 特征选择 特征选择是在建立模型之前减少输入预测因子数量的过程。可以简化输入预测因子的数量同时提高运算效率，提高模型的可解释性。本研究的特征选择步骤在训练集中利用logistic算法进行,可以利用OR及95%CI等指标增加模型的可解释性。将单因素logistic回归中P<0.1的预测因子纳入多因素分析，使用逐步回归最后确定进入模型的预测因子。 1.4.2 机器学习模型 本研究涉及的机器学习模型有CatBoost模型、XGBoost模型、GBDT模型、随机森林模型4种树模型。 ①CatBoost模型：是一种创新的有序梯度提升算法，它使用基于有序目标的统计量进行分类特征处理和排列策略来避免预测偏移。CatBoost是一种新的集成学习算法，具有独特的对称数结构，通过计算叶子节点的值来构造决策树[6]。 ②XGBoost模型：XGBoost是美国华盛顿 大学于2016年开发的Boosting库，兼具线性规 模求解器和树学习算法[7]。XGBoost是对损失函数做了二阶的泰勒展开，并在目标函数之外加入了正则项，以求最优解，该模型可以避免过拟合，提高模型的求解效率。 ③GBDT模型：GBDT中使用的决策树是一个回归树。每次训练的目标是减小最后一次训练的误差，最终使误差最小，模型采用梯度下降法减小误差[8,9]。 ④随机森林模型：随机森林是将决策树 作为元分类器的一种集成学习方法，对变量共线性不作要求。是一种集成的监督学习方法，它由多个决策树对应不同的子数据集组成。计算每棵树的结果，并得到预测结果的平均值。这种方法可以减少决策树中的方差[10,11]。 1.5统计学指标和分析方法 比较不同模型对于新发AIS患者1年不良预后的预测性能时，主要考虑从区分度和校准度两个方面进行评价。本研究中采用C统计量即ROC中的AUC值，AUC越高，表示模型的区分度越好。校准度指标采用Brier得分（得分范围为0~1），Brier得分越趋近0，模型的校准度越好。本研究其他涉及的指标有准确率、PPV（阳性预测值）、NPV（阴性预测值）、F1分数。 本研究中的连续变量符合正态分布，以表示，分类变量以频数和率表示。应用Python 3.6.8软件进行预测模型建模和可视化，应用SAS 9.4统计软件进行logistic回归分析。本研究利用Python 3.6.8软件中train_test_split函数以进行5次随机分组，将纳入的研究对象按7:3比例随机分为训练集和测试集，利用训练集进行特征选择、模型训练和参数优化。利用GridSearchCV在训练集中进行10折交叉验证调参，使模型在训练集中AUC表现最优。测试集仅参与训练好的模型评价。进入每个模型训练和测试的预测因子都是经过特征选择的最优预测因子集合。logistic模型采用逐步回归法，其预测因子的效应通过回归系数或者OR值及其95%CI体现。以P＜0.05为差异有统计学意义。