论文部分内容阅读
应用机器学习的分类决策树方法对脓毒症患者的预后进行分析,建立评估脓毒症预后的简易模型。收集并分析急诊科收治的167名脓毒症患者的临床资料,根据入院30天的生存状态将患者分为生存组和死亡组。结果显示,心率和收缩压两个自变量组成的精简模型能够对72.5%的病例正确分类,心率大于118次/分是脓毒症30天死亡重要的分类指标。本研究说明,心率和收缩压结合分类决策树方法可以对脓毒症患者的预后进行高效的分类。