TY -的A2 D使,乔凡尼非盟-白,Zhixun AU - Lu,京盟- Li Ting AU - Ma,易盟——刘,芷江盟——赵Ranzun AU - Wang Zhenglong AU -史,贝PY - 2021 DA - 2021/07/05 TI -临床特点机器学习1年死亡率风险预测模型的st段抬高心肌梗死患者高尿酸血:一项回顾性研究SP - 7252280六世- 2021 AB -准确的风险评估高危患者在临床实践中至关重要。然而,没有实际可行的方法来预测或监控的st段抬高心肌梗死患者的预后肝素)并发高尿酸血。我们旨在评估不同的机器学习模型的性能预测的1年死亡率STEMI患者高尿酸血。我们比较五个机器学习模型(逻辑回归, k 最近的邻居,CatBoost,随机森林,XGBoost)与传统的全球风险评分(GRACE)急性冠脉事件注册。我们注册病人> 18岁诊断出患有STEMI和高尿酸血在遵义医学院附属医院2016年1月至2020年1月。总体而言,656名患者(平均年龄, 62.5 ± 13.6 年 ;83.6%,男性)。所有患者行急诊经皮冠状动脉介入。我们评估五个机器学习分类器的性能和优雅的风险模型在预测1年死亡率。曲线下的面积(AUC)的六个模型,包括风险模型,从0.75到0.88不等。在所有的模型中,CatBoost预测精度最高(0.89),AUC(0.87),精密(0.84),(0.44)F1值。混合后取样技术优化,CatBoost精度最高(0.96),AUC(0.99)、(0.95),精度和F1值(0.97)。机器学习算法,尤其是CatBoost模型,可以准确地预测相关的死亡率STEMI后并发高尿酸血1年随访。SN - 1748 - 670 - 2021/7252280 / 10.1155 x你——https://doi.org/10.1155/2021/7252280——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER