CN119446524A 一种基于多特征的患者麻醉风险评估方法 （华中科技大学同济医学院附属同济医院）

本发明涉及一种基于多特征的患者麻醉风数据筛选，得到与麻醉风险相关性高的特征数险评估模型中，输出患者术前麻醉风险预测结2S2：基于相关性分析对预处理后的原始数据S3：基于随机森林算法构建术前麻醉风险评估模型S5：将患者术前麻醉风险预测结果和患者术后麻2.如权利要求1所述的一种基于多特征的患进制列；3.如权利要求1所述的一种基于多特征的患者麻S2.2：根据相关系数的大小筛选出与麻醉风险相关性高的特征数据，令阈值。34.如权利要求1所述的一种基于多特征的患者麻醉风险评估、精确率precision、召回率Recall和F1分数评估预测的准确性，基于标准差Standard其中，TP为真正例，即术前麻醉风险评估模型预测为正例且实际也为正例的样本数，TN为真反例，即术前麻醉风险评估模型预测为负例且实际也为负例的样本数，FP为假正麻醉风险评估模型预测为负例但实际也为正例的样本数，xe为验证集中每个观测值，μ为5.如权利要求1所述的一种基于多特征的患者4S5.2：判断预测结果生理指标综合值与实际结果生理指标综合值w1'的差U=[W1-W1'I6.如权利要求5所述的一种基于多特征的患者麻醉风险评估方法，其特征在于，步骤5建模型时需确保高预测准确性并避免过拟合，缺乏基于患者个体差异的个性化防治策略，[0005]针对现有技术的不足，本发明提供了一种基于多特征的6个二进制列；式中，X为预处理后的数值型原始数据，X'为预处理且归一化后的数值型原始数据，xmin为预处理后的数值型原始数据最小值，xax为预处理后的数值型S2.2：根据相关系数的大小筛选出与麻醉风险相关性高的特征数据，令阈值;Gini(D)=1-F(i=1)uxp(i)27S3.3：使用验证集对训练后的术前麻醉风险评估模型进行验证，基于准确率Accuracy、精确率precision、召回率Recall和F1分数评估预测的准确性，基于标准差StandardDeviation和方差Variance评估预测的稳定性，得到最优术前麻醉风险评估模前麻醉风险评估模型预测为负例但实际也为正例的样本数，xe为验证集中每个观测值，μ8U=[W1-W1'I9进制列；式中，X为预处理后的数值型原始数据，X'为预处理且归一化后的数值型原始数据，xmin为预处理后的数值型原始数据最小值，xax为预处理后的数值型式中，N为样本数量，X和y分别为两个特征数据的观测值，r为相关系数，r∈;S2.2：根据相关系数的大小筛选出与麻醉风险相关性高的特征数据，令阈值;算法构建术前麻醉风险评估模型，将复合特征向量A(F1,F2…F}分为K个大小相等的子Gini(D)=1-F(i=1)uxp(i)2S3.3：使用验证集对训练后的术前麻醉风险评估模型进行验证，基于准确率Accuracy、精确率precision、召回率Recall和F1分数评估预测的准确性，基于标准差StandardDeviation和方差Variance评估预测的稳定性，得到最优术前麻醉风险评估模前麻醉风险评估模型预测为负例但实际也为正例的样本数，xe为验证集中每个观测值，μ麻醉方案；U=[W1-W1'I;