| 基于机器学习的住院患者压力性损伤分析与预测 |
| |
| 引用本文： | 李清,苏强,林英,邓国英.基于机器学习的住院患者压力性损伤分析与预测[J].同济大学学报(自然科学版),2020,48(10):1530-1536. |
| |
| 作者姓名： | 李清 苏强 林英 邓国英 |
| |
| 作者单位： | 1.同济大学 经济与管理学院，上海 200092;2.上海市第一人民医院 护理部，上海 201620;3.上海市第一人民医院 创伤中心，上海 201620 |
| |
| 基金项目： | 国家自然科学基金重点项目（71432007）；国家自然科学基金面上项目（71972146）；上海交通大学医学院科技基金项目（JYH1813） |
| |
| 摘 要： | 压力性损伤是护理工作的重点,也是评价护理质量的重要指标,设计合理的评估量表和科学预测是预防的关键措施。基于传统的12个指标,再新增3个风险指标,设计更全面的风险评估量表;据此收集一段时间内住院患者的信息,采用卡方检验分析对损伤有显著影响的指标,将患者分为入院时和院内获得性压力性损伤两类,分析其特征、产生部位和分布科室。基于支持向量机、概率神经网络和广义回归神经网络3种方法建立预测模型,在支持向量机中,采用高斯核函数构建模型,并使用遗传算法优化核函数参数。比较4种场景下3种方法的预测精度,支持向量机的预测准确率最高,达到84.68%,另外2种方法的准确率较低,均为82.78%。
|
| 关 键 词： | 压力性损伤 支持向量机 遗传算法 概率神经网络 广义回归神经网络 |
| 收稿时间： | 2020/3/27 0:00:00 |
Pressure Injury Analysis and Prediction Based on Machine Learning Methods |
| |
| LI Qing,SU Qiang,LIN Ying,DENG Guoying.Pressure Injury Analysis and Prediction Based on Machine Learning Methods[J].Journal of Tongji University(Natural Science),2020,48(10):1530-1536. |
| |
| Authors: | LI Qing SU Qiang LIN Ying DENG Guoying |
| |
| Abstract: | |
| |
| Keywords: | pressure injury support vector machine genetic algorithm probabilistic neural network general regression neural network |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《同济大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《同济大学学报(自然科学版)》下载免费的PDF全文 |
|
