文章摘要:目的：分析随机森林的集成分类算法对心胸外科ICU患者谵妄风险的预测效能。方法：将2019年6月至2020年12月于我院心胸外科ICU住院的360例患者进行研究分析。其中男193例、女167例，年龄18～80（56.45±9.33）岁。根据患者住院期间是否发生谵妄分为谵妄组和对照组。比较两组的临床资料，分别通过多因素logistic回归分析模型和随机森林的集成分类算法对影响心胸外科ICU患者发生谵妄风险的相关因素进行预测，并比较两者间预测效能的差异。结果：纳入研究的患者中有19例脱落，剩余患者中有165例发生了ICU谵妄列为谵妄组，ICU谵妄发生率为48.39%;176例未发生ICU谵妄者列为对照组。两组性别、文化水平等一般资料对比，差异无统计学意义（P>0.05）；但相比于对照组，谵妄组年龄较大，住院时间长，急性生理学和慢性健康状况评分系统Ⅱ（acute physiology and chronic health evaluationⅡ，APACHEⅡ）得分、机械辅助通气所占比例、身体约束所占比例和使用镇静药物所占比例均较高（P<0.05）。多因素logistic回归分析显示：年龄（OR=1.162）、住院时间（OR=1.238）、APACHEⅡ得分（OR=1.057）、机械辅助通气（OR=1.329）、身体约束（OR=1.345）和使用镇静药物（OR=1.630）是心胸外科ICU患者发生谵妄风险的独立危险因素。对随机森林模型各变量的重要程度进行排序，排名在前的重要预测变量为：年龄、住院时间、APACHEⅡ得分、机械辅助通气、身体约束和使用镇静药物。使用梯度提升回归算法对随机森林模型进行调参，随着决策树数目的不断增大，从20棵决策树开始，扩展的随机森林算法的误差（均方差）逐渐趋于平缓，表明随机森林算法的泛化能力逐渐增强，而决策树数目过大后误差呈升高趋势。所以设置每片森林的决策树数目为20棵，即在训练每片随机森林时，构建20棵不同的决策树。随机森林的集成分类算法其诊断效能明显高于多因素logistic回归分析的诊断效能，其中随机森林的集成分类算法受试者工作特征（ROC）曲线下面积为0.87，多因素logistic回归分析模型下ROC曲线下面积为0.79。结论：随机森林的集成分类算法分析预测心胸外科ICU患者发生谵妄的诊断效能更高，可于临床推广应用，有助于早期识别和加强护理高危患者。

文章关键词:

论文分类号:R655;R654

文章来源：《中华外科杂志》 网址: http://www.zhwkzz.cn/qikandaodu/2022/0129/728.html