来源：期刊VIP网 时间：
作者：杨光飞;张宁远;庚俐莉;赵玲玲;
单位：大连理工大学系统工程研究所;大连理工大学附属中心医院(大连市中心医院)感染性疾病科;
摘要：目的 利用增量学习框架下的IXGBoost模型，对肺炎克雷伯菌碳青霉烯类耐药性进行早期预测。方法 收集2015年1月-2024年12月大连理工大学附属中心医院35 060例肺炎克雷伯菌感染患者的病历数据，经过数据清洗和预处理后，提取显著的耐药风险相关特征变量。数据集按8∶2的比例随机分为训练集和测试集。初始批次基于2015-2020年数据，随后用2021-2024年每周新增数据进行增量训练。选取支持向量机、决策树、随机森林、逻辑回归、XGBoost、LightGBM模型进行对比。模型性能通过K折交叉验证在测试集进行评估。结果 IXGBoost模型不但能实现了对数据的实时学习和预测，其精确率(0.982 3)、召回率(0.981 3)、F1分数(0.981 8)和AUC(0.842 1)等性能指标均优于其他对比模型。结论 本研究证实了增量学习方法在预测肺炎克雷伯菌碳青霉烯类耐药性方面的有效性，揭示了影响耐药性产生的重要风险因素，对于临床预防及深入理解耐药性产生的根本机制具有重要意义。
关键词：碳青霉烯;;肺炎克雷伯菌;;增量学习;;IXGBoost模型;;早期预测;;碳青霉烯类耐药性
基金资助：国家自然科学基金面上项目(72571040,42071273);; 中央高校基本科研业务费(DUT24YG147);; 辽宁省重点专科院内自主立项(2023SZ002,2024SZ011);; 大连市生命健康领域指导计划项目(2024ZDJH01PT018)
