پیش بینی مرگ ومیر ۳۰ روزه در بیماران نارسایی قلبی با شوک کاردیوژنیک با استفاده از تنظیم هایپرپارامتر های جنگل تصادفی

مقدمه:  نارسایی قلبی یک سندرم کلینیکی است که به دنبال ناهنجاری ساختاری یا عملکردی قلب ایجاد شده و باعث کاهش خون پمپاژ شده یا افزایش فشار داخل قلبی می شود. نارسایی قلبی با شوک کاردیوژنیک یک وضعیت اورژانسی با نرخ مرگ ومیر بالا است که نیازمند تشخیص و درمان فوری است. پیش بینی دقیق مرگ ومیر ۳۰ روزه در این بیماران برای ارائه مراقبت های به موقع و نجات جان بیماران حیاتی است. این مطالعه به بهینه سازی الگوریتم جنگل تصادفی با تنظیم هایپرپارامترها برای پیش بینی دقیق تر مرگ ومیر ۳۰ روزه بیماران نارسایی قلبی با شوک کاردیوژنیک می پردازد. روش کار: این تحقیق از داده های ۲۰۱ بیمار قلبی بالای ۱۸ سال که در بیمارستان روحانی بابل در سال ۱۳۹۹ دچار شوک کاردیوژنیک شده اند، استفاده می کند. ۳۴ ویژگی مانند سن، سابقه جراحی قلب باز، pH، لاکتات، دیابت و غیره مورد بررسی قرار گرفت و مرگ یک ماهه آن ها از طریق تماس تلفنی پیگیری شد. یافته ها: نتایج نشان داد با افزایش سن (بیش از ۵۷ سال)، کاهش pH (کمتر از ۳/۷) و افزایش لاکتات (بیش از ۲)، خطر مرگ ۳۰ روزه افزایش می یابد. با تنظیم بهینه هایپرپارامترهای الگوریتم جنگل تصادفی (۱۰۰۰ ntree= و mtry=  ۱۴)، دقت پیش بینی از ۶۶/۰% به ۸/۷۱% ارتقاء یافت. نتیجه گیری: این مطالعه نشان می دهد که دقت الگوریتم جنگل تصادفی وابسته به هایپرپارامترها است و با بهینه کردن این پارامترها می توان پیش بینی دقیق تری از مرگ ومیر بیماران نارسایی قلبی با شوک کاردیوژنیک داشت. این الگوریتم با بهینه سازی مناسب، می تواند ابزاری کارآمد برای تشخیص زودهنگام بیماران در معرض خطر و ارائه خدمات درمانی به موقع باشد.

کلیدواژه ها:

Heart Failure ، Cardiogenic Shock ، Random Forest ، Hyperparameter Tuning ، Mortality prediction ، نارسایی قلبی ، شوک کاردیوژنیک ، جنگل تصادفی ، تنظیم هایپرپارامتر ، پیش بینی مرگ ومیر