分类模型在急性冠脉综合征患者预后预测中的应用比较研究
【目的】庞大的心血管疾病患者数量,为我国提供了大量的心血管数据资源。然而目前我国在心血管疾病临床数据的质量管理、科学利用和数据挖掘方面却与世界先进水平相距甚远,因此开展“心血管疾病大数据平台的构建和应用研究”课题对我国心血管病数据管理、分析利用和挖掘具有极其重要的价值。
急性冠脉综合征(ACS)是一类严重的冠心病,由于患者的血管病变程度不同以及暴露的危险因素各异,其预后也不尽相同。虽然随着治疗措施的进步ACS患者的预后得到改善,但是仍有患者会发生不良心脑血管事件,严重者会导致死亡。
因而,对于ACS患者的预后预测,成为该课题的一项重要研究内容。从统计学角度而言,由于ACS患者发生主要不良心脑血管事件(MACCE)的比例相对较小,因而ACS患者预后预测建模实质上属于不平衡数据集的分类问题范畴。
此种问题较为常见,而建模相对较为困难。目前国内外对于ACS患者预后预测主要是通过logistic回归或Cox回归建立多种评分模型,建模形式单一,效果有待提高。
因而,本文的目的主要是利用多种统计学和机器学习中的分类模型对ACS患者进行预后预测建 ...