陈思玎，谷鸿秋，黄馨莹，刘欢，姜勇，2，王拥军，3，4

卒中是全球死亡率最高的疾病之一，根据全球疾病负担研究最新估计，2017年我国卒中死亡率为106/10万，居我国疾病死因首位[1-2]。利用预测模型预测卒中患者结局，对患者进行精准风险分层与管理有利于优化医疗资源配置、降低卒中死亡率。

在结局为二分类问题的医学数据集中，通常会存在正样本（如患者死亡）和负样本（如患者存活）比例不平衡的情况，即少数类样本数量显著少于多数类样本的情况[3]。传统分类算法会向多数类倾斜，导致少数类样本检出率不高[4]。如果不处理不平衡数据，预测的结果会存在偏向性问题，在应用于现实临床场景时，无法达到准确预测正样本的目的。本研究利用多中心登记的中国卒中联盟（China Stoke Center Alliance，CSCA）数据库，采用欠采样技术、特征选择和平衡权重的方法，探索基于不平衡数据预测新发缺血性卒中患者院内死亡的模型，同时比较机器学习模型和传统logistic模型的预测性能，以期为建立更加完善的缺血性卒中院内死亡预测模型提供借鉴。

1 对象与方法

1.1 研究对象 本研究的研究对象来源于CSCA数据库。CSCA是一个全国性、以医院为基础、多中心、多方面干预和基于证据的绩效衡量的监测/反馈系统，是由中国卒中学会发起，国家卫生健康委员会神经系统疾病医疗质量控制中心指导的中国卒中医疗质量规范和改进项目[5]。本研究纳入CSCA数据库2015年8月1日-2019年7月31日急性新发缺血性卒中患者资料。……