（2）本研究对收集的数据进行处理，按照8：2的比例将数据划分为训练集和验证集，采取不筛选变量的方式构建5种单模型（LASSO、DT、RF、SVM和DNN），随后在LASSO回归筛选变量的基础上，将14个筛选出的特征变量（SSRS评分、NIHSS评分、卒中家族史、超敏C反应蛋白、高脂血史、BMI、居住情况、抑郁家族史、性别、BI、顶叶、高血压史、医疗付费方式和岛叶）用于构建4种复合预测模型（LASSO_DT、LASSO_RF、LASSO_SVM和LASSO_DNN），所有模型训练完成后即进行验证。在LASSO筛选出的14个特征变量中，SSRS评分、NIHSS评分、卒中家族史、超敏C反应蛋白、高脂血史、BMI6个因子的权重系数均大于0.03，被认为是模型构建的关键因素。
（3）运用评价指标AUC值评价9个模型，结果显示LASSO_DNN模型的AUC值（0.8589）最高，其准确率（0.8878）、精确率（0.8966）、召回率（0.7647）和F1值（0.8254）也较为出色，预测性能优于本研究中的其他模型，为AIS患者PSD风险预测优势模型。
参考文献（略）
