来源：期刊VIP网 时间：
作者：徐枫;成佩霞;王茜;范华;高琦;
单位：首都医科大学公共卫生学院;首都医科大学附属北京安定医院;
摘要：目的:分析心境障碍患者再入院的影响因素，构建预测模型并比较预测性能。方法:基于北京市安定医院2010年1月-2018年12月住院心境障碍患者电子病历数据，采用逐步logistic回归模型分析患者再入院的影响因素，构建logistic回归、支持向量机、随机森林、极端梯度提升(XGBoost)算法和卷积神经网络(CNN)的再入院预测模型，采用准确率、查准率、查全率等比较不同模型的预测性能。结果:纳入心境障碍患者6 234例，再入院有1 549例(24.9%)。逐步logistic回归结果显示，女性、有共病、治疗效果为治愈、MECT治疗和使用第二代抗精神药物的心境障碍患者更容易发生再入院(OR=1.26、1.68、1.26、1.35、1.18)。CNN的准确率、查准率和F1值最高，均为0.87,查全率为0.86。随机森林的查全率为0.86,AUC为0.95。结论:心境障碍患者的再入院受到多种因素的影响；卷积神经网络模型和随机森林模型的预测效果优于其他模型。
关键词：心境障碍;;再入院;;机器学习;;预测模型
基金资助：国家自然科学基金(81872688)
