目的分析随机森林的集成分类算法对心胸外科ICU患者谵妄风险的预测效能。方法回顾性分析2019年6月—2020年12月于湖南中医药大学第一附属医院心胸外科ICU治疗360例患者的临床资料,其中男193例、女167例,年龄18~80(56.45±9.33)岁。根据患者住院期间是否发生谵妄分为谵妄组和对照组。比较两组的临床资料,分别通过多因素logistic回归分析模型和随机森林的集成分类算法对影响心胸外科ICU患者发生谵妄风险的相关因素进行预测,并比较两者间预测效能的差异。结果纳入研究的患者中有19例脱落,剩余患者中有165例发生了ICU谵妄列为谵妄组,ICU谵妄发生率为48.39%;176例未发生ICU谵妄者列为对照组。两组性别、文化水平等一般资料差异无统计学意义(P>0.05);但相比于对照组,谵妄组年龄较大,住院时间长,急性生理学和慢性健康状况评分系统Ⅱ(acute physiology and chronic health evaluationⅡ,APACHEⅡ)得分、机械辅助通气所占比例、身体约束所占比例和使用镇静药物所占比例均较高(P<0.05)。多因素logistic回归分析显示:年龄(OR=1.162)、住院时间(OR=1.238)、APACHEⅡ得分(OR=1.057)、机械辅助通气(OR=1.329)、身体约束(OR=1.345)和使用镇静药物(OR=1.630)是心胸外科ICU患者发生谵妄风险的独立危险因素。对随机森林模型各变量的重要程度进行排序,排名在前的重要预测变量为:年龄、住院时间、APACHEⅡ得分、机械辅助通气、身体约束和使用镇静药物。随机森林的集成分类算法的诊断效能明显高于多因素logistic回归分析的诊断效能,其中随机森林的集成分类算法受试者工作特征曲线下面积为0.87,多因素logistic回归分析模型曲线下面积为0.79。结论随机森林的集成分类算法分析预测心胸外科ICU患者发生谵妄的诊断效能更高,可于临床推广应用,有助于早期识别和加强护理高危患者。
