隨機森林算法預(yù)測醫(yī)院患者院內(nèi)感染的應(yīng)用研究.pdf

1、隨著醫(yī)療信息化的不斷發(fā)展，醫(yī)學(xué)問題受到了更多關(guān)注，越來越多的醫(yī)學(xué)領(lǐng)域問題可以通過計算機技術(shù)解決。目前醫(yī)院感染性疾病是導(dǎo)致死亡的全球第二大原因，醫(yī)院院內(nèi)感染不僅會帶來患者的身體與經(jīng)濟負擔，還會造成醫(yī)院資源的不合理使用。現(xiàn)有針對醫(yī)院院內(nèi)感染的監(jiān)控與檢測的方法中，許多采用事后判斷法，有一定的滯后性，而一些事前監(jiān)測手段表現(xiàn)出單一、不全面的特點，醫(yī)院院內(nèi)感染風險預(yù)測的問題亟待解決。本文提出了基于改進的隨機森林模型預(yù)測患者發(fā)生院內(nèi)感染的風險，為及時

2、發(fā)現(xiàn)院內(nèi)感染風險和提高院內(nèi)感染預(yù)測準確率做出進一步探究。
　　首先，分析患者院內(nèi)感染數(shù)據(jù)的特點，依據(jù)這些特點和隨機森林算法的輸入要求，對原始數(shù)據(jù)集進行預(yù)處理，以獲得最全面、高質(zhì)量的特征集合。
　　其次，針對原始醫(yī)療臨床數(shù)據(jù)存在不平衡性的問題，即感染數(shù)據(jù)遠遠少于非感染數(shù)據(jù)，利用 SMOTE算法，對非平衡數(shù)據(jù)做平衡化處理，提高分類模型預(yù)測準確率。
　　再次，提出一個改進的擴展隨機森林算法，能夠?qū)π聵颖窘o出是否發(fā)生院內(nèi)感染的