| 杨素芳、赖燕.基于机器学习算法的酒精所致精神障碍患者急性期戒断反应预测模型构建与验证[J].上海护理,2025,25(11): |
| 基于机器学习算法的酒精所致精神障碍患者急性期戒断反应预测模型构建与验证 |
|
| 投稿时间：2025-02-08 修订日期：2025-11-05 |
| DOI： |
| 中文关键词: 酒精 精神障碍 戒断反应 机器学习 预测模型 |
| 英文关键词: |
| 基金项目:江西省卫生健康委科技计划（202140667） |
| 作者 | 单位 | E-mail | | 杨素芳、赖燕* | 通讯作者、曹榆
赣州市第三人民医院、江西赣州、341000
课题基金:江西省卫生健康委科技计划202140667
作者简介:杨素芳,女,汉族,1989-11-22,护理专业大学本科,职称:主管护师,联系地址:江西省赣州市章贡区云星中央星城北苑5栋1604,电话:15970769019
作者简介:杨素芳,女,汉族,1989-11-22,护理专业大学本科,职称:主管护师,联系地址:江西省赣州市章贡区云星中央星城北苑5栋1604,电话:15970769019 | Ysuf769019@163.com |
|
| 摘要点击次数: 737 |
| 全文下载次数: 21 |
| 中文摘要: |
| 目的：基于机器学习方法构建酒精所致精神障碍患者急性期戒断反应风险预测模型，并对预测效能进行验证。方法：前瞻性选取2022年2月至2024年2月在我院治疗的急性期酒精所致精神障碍患者254例作为建模组，根据是否发生戒断反应将患者分为戒断反应组（n=130）和非戒断反应组（n=124）。按照建模组与验证组7:3的比例于2024年3月至2024年9月另选取患者109例作为验证组。使用Logistic回归、决策分类回归树、反向传播神经网络（BPNN）的机器学习算法构建酒精所致精神障碍患者急性期发生戒断反应的预测模型，并采用受试者工作（ROC）曲线比较3种方法构建的模型对发生戒断反应的预测价值。结果：3种机器学习算法构建的模型的曲线下面积（AUC）均＞0.800，预测准确性良好（均P＜0.05）。其中BPNN模型预测酒精所致精神障碍患者急性期是否发生戒断反应的效能最优，ROC显示其AUC为0.900，敏感度为0.855，特异度为0.815。根据BPNN模型中自变量的重要性标准化后的结果，影响患者发生戒断反应的前5位的因素依次为CIWA-Ar评分、是否仅与餐同饮、家庭功能、主要饮酒种类、每日饮酒频率。验证集ROC曲线结果亦显示BP模型预测性能良好，提示模型具有较好的外部预测效能。结论：基于机器学习算法构建的酒精所致精神障碍患者急性期发生戒断反应预测模型均具有较好的预测效能，其中以BPNN模型预测效能最佳，可基于此制定干预措施，预防临床上此类患者发生戒断反应的不良事件，并提供有效护理。 |
| 英文摘要: |
| |
| 查看全文 查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|