同济大学学报(自然科学版)

作者：李清，苏强，林英，邓国英

单位：1.同济大学 经济与管理学院，上海 200092;2.上海市第一人民医院 护理部，上海 201620;3.上海市第一人民医院 创伤中心，上海 201620

关键词：压力性损伤,支持向量机,遗传算法,概率神经网络,广义回归神经网络

基金：国家自然科学基金重点项目（71432007）；国家自然科学基金面上项目（71972146）；上海交通大学医学院科技基金项目（JYH1813）

压力性损伤是护理工作的重点，也是评价护理质量的重要指标，设计合理的评估量表和科学预测是预防的关键措施。基于传统的12个指标，再新增3个风险指标，设计更全面的风险评估量表；据此收集一段时间内住院患者的信息，采用卡方检验分析对损伤有显著影响的指标，将患者分为入院时和院内获得性压力性损伤两类，分析其特征、产生部位和分布科室。基于支持向量机、概率神经网络和广义回归神经网络3种方法建立预测模型，在支持向量机中，采用高斯核函数构建模型，并使用遗传算法优化核函数参数。比较4种场景下3种方法的预测精度，支持向量机的预测准确率最高，达到84.68%，另外2种方法的准确率较低，均为82.78%。

来源：2020年第10期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2020年第10期