利用支持向量机预测重症监护室患者死亡风险的研究

目的 探讨支持向量机(Support Vector Machine,SVM)方法在预测重症监护室(ICU)患者入院后死亡率方面的应用.方法 纳入MIMIC Ⅲ数据库18 094例ICU住院患者,将总数据集(n=18 094)随机分为训练集(n=12 666,70％)和测试集(n=5 428,30％).基于Python平台,采用支持向量机(SVM)学习算法,利用LASSO特征选择结果,建立预测重症监护室患者入院后死亡率的模型.并使用测试集进行模型评估.结果 基于SVM算法构建ICU患者入院后24 h和48 h死亡率预测模型的AUC 分别为 0.805 1(0.793 6-0.816 6)和 0.811 7(0.799 9-0.824),敏感性分别为 0.751 3 和 0.737 2,特异性分别为0.713 0和0.742 9.结论 基于支持向量机算法建立的预测重症监护室患者死亡率模型预测效果较好,具有较高准确率.