基于多模态超声指标和血清学指标的随机森林模型预测乙型病毒性肝炎相关性高危食管胃底静脉曲张的临床价值

打开文本图片集

摘    要    目的    基于多模态超声指标和血清学指标构建随机森林（RF）模型，探讨其预测乙型病毒性肝炎（以下简称乙肝）相关性高危食管胃底静脉曲张（EGV）的临床价值。方法    选取于我院接受胃镜检查的乙肝患者317例，根据7∶3比例将其随机分为训练集221例（高危EGV病例88例，低危EGV病例133例）和验证集96例（高危EGV病例39例，低危EGV病例57例），比较训练集中高危EGV病例与低危EGV病例多模态超声指标和血清学指标的差异；通过RF算法递归特征消除（RFE）对变量的重要性进行排序，筛选出显著提升预测高危EGV效能的指标，构建RF模型，并使用SHAP对其进行可视化展示。（剩余18301字）