基于机器学习构建江西地区缺血性脑卒中风险预测模型

目的 借助机器学习构建江西地区缺血性脑卒中风险预测模型.方法 借助问卷的方式获取2020年1月～2020年12月就诊于江西省某三甲医院的574例缺血性脑卒中患者及171例健康人群调查数据,收集其基本信息及缺血性脑卒中病理特征,使用机器学习分析上述特征关系,并构建缺血性脑卒中风险预测模型.结果 基于t检验及Mann-Whitney检验发现,缺血性脑卒中与健康人群年龄、颈动脉狭窄或闭塞是否有症状及收缩压比较差异有统计学意义(P<0.05).同时借助AUC评估方法,对上述指标基于朴素贝叶斯模型、支持向量机构建江西地区缺血性脑卒中风险预测模型,认为支持向量机表现最优(A U C分别为0.996、1.000).结论 本研究所构建的江西地区缺血性脑卒中风险预测模型具有较高的可信度,且缺血性脑卒中与多种病理特征存在较强的相关性,在后续缺血性脑卒中的预防干预及精准医疗过程中应当重点关注.