مقدمه: نارسایی قلبی یک سندرم کلینیکی است که به دنبال ناهنجاری ساختاری یا عملکردی قلب ایجاد شده و باعث کاهش خون پمپاژ شده یا افزایش فشار داخل قلبی می‌شود. نارسایی قلبی با شوک کاردیوژنیک یک وضعیت اورژانسی با نرخ مرگ‌ومیر بالا است که نیازمند تشخیص و درمان فوری است. پیش‌بینی دقیق مرگ‌ومیر ۳۰ روزه در این بیماران برای ارائه مراقبت‌های به‌موقع و نجات جان بیماران حیاتی است. این مطالعه به بهینه‌سازی الگوریتم جنگل تصادفی با تنظیم هایپرپارامترها برای پیش‌بینی دقیق‌تر مرگ‌ومیر ۳۰ روزه بیماران نارسایی قلبی با شوک کاردیوژنیک می‌پردازد.
روش کار: این تحقیق از داده‌های ۲۰۱ بیمار قلبی بالای ۱۸ سال که در بیمارستان روحانی بابل در سال ۱۳۹۹ دچار شوک کاردیوژنیک شده‌اند، استفاده می‌کند. ۳۴ ویژگی مانند سن، سابقه جراحی قلب باز، pH، لاکتات، دیابت و غیره مورد بررسی قرار گرفت و مرگ یک‌ماهه آن‌ها از طریق تماس تلفنی پیگیری شد.
یافته‌ها: نتایج نشان داد با افزایش سن (بیش از ۵۷ سال)، کاهش pH (کمتر از ۳/۷) و افزایش لاکتات (بیش از ۲)، خطر مرگ ۳۰ روزه افزایش می‌یابد. با تنظیم بهینه هایپرپارامترهای الگوریتم جنگل تصادفی (۱۰۰۰ ntree= و mtry= ۱۴)، دقت پیش‌بینی از ۶۶/۰% به ۸/۷۱% ارتقاء یافت.
نتیجه‌گیری: این مطالعه نشان می‌دهد که دقت الگوریتم جنگل تصادفی وابسته به هایپرپارامترها است و با بهینه‌کردن این پارامترها می‌توان پیش‌بینی دقیق‌تری از مرگ‌ومیر بیماران نارسایی قلبی با شوک کاردیوژنیک داشت. این الگوریتم با بهینه‌سازی مناسب، می‌تواند ابزاری کارآمد برای تشخیص زودهنگام بیماران در معرض خطر و ارائه خدمات درمانی به‌موقع باشد.
