先天性心脏病患儿术后喂养不耐受风险预测模型构建

来源：护理学杂志2025年第8期北京时间：

作者：岳明叶，史嘉玮，王慧华，胡玉婷，熊莉娟

单位：华中科技大学同济医学院附属协和医院1.心脏大血管外科(湖北 武汉，430022）；2.华中科技大学同济医学院护理学院,,华中科技大学同济医学院附属协和医院心脏大血管外科 (湖北 武汉，430022）,,华中科技大学同济医学院附属协和医院心脏大血管外科 (湖北 武汉，430023）,,华中科技大学同济医学院附属协和医院心脏大血管外科 (湖北 武汉，430024）,,华中科技大学同济医学院附属协和医院护理部(湖北 武汉，430022）,

摘要：目的 构建先天性心脏病患儿术后喂养不耐受的风险预测模型，为识别高危患儿提供依据。方法 回顾性收集265例年龄<1岁的先天性心脏病患儿的临床指标数据进行模型训练和预测，预测模型包括逻辑回归、支持向量机、随机森林、决策树、梯度提升决策树、极限梯度提升和朴素贝叶斯共7种机器学习算法，并进行评价和比较。采用准确率、精确率、召回率、F1值和受试者工作特征曲线下面积(AUC)评价模型性能。结果 先天性心脏病患儿术后喂养不耐受发生率为49.4%。7个机器学习模型中，极限梯度提升模型表现最好，AUC为0.914(95%CI:0.849, 0.967)。血管活性药物评分、喂养前机械通气时间、喂养启动时间和月龄等10个因素是先天性心脏病患儿术后发生喂养不耐受的影响因素。结论 先天性心脏病患儿术后喂养不耐受发生率较高，极限梯度提升模型构建的喂养不耐受风险预测模型具有较好的性能，可能有助于临床决策和优化个体化肠内营养管理。

关键词：儿童;婴儿;先天性心脏病;喂养不耐受;机器学习;肠内营养;预测模型;护理