敗血症誘発性心筋症の予後予測精度の向上：機械学習アプローチ

科学分野:

• クリティカルケア医学
• 心臓病学
• ヘルスケアにおけるデータサイエンス

背景:

• 敗血症誘発性心筋症（SIMD）は敗血症の重篤な合併症であり、心筋機能不全と高い死亡率につながる。
• 既存の予後ツールは、SIMDの複雑な病態生理を十分に扱っておらず、高度な予測モデルが必要とされている。

研究 の 目的:

• SIMD成人患者の短期死亡率を予測するための堅牢な予後モデルを開発および検証すること。
• SIMD患者における死亡率の主要な予測因子を特定すること。

主な方法:

• MIMIC-IVデータベースから1068人の成人SIMD患者のレトロスペクティブ分析。
• Boruta、LASSO、RFECVを用いた特徴量選択、それに続くロジスティック回帰モデル開発。
• ROC曲線、較正曲線、決定曲線分析、および解釈のためのSHAPを用いてモデル性能を評価した。

主要な成果:

• 7つの予測因子が特定された：APS III、年齢、CCI、脳血管疾患、ALP、乳酸、CK-MB。
• ロジスティック回帰モデルは、強力な識別能（AUC 0.88まで）と較正（K-S > 0.45）を示した。
• 死亡の主要な予測因子には、急性疾患の重症度（APS III）、年齢、肝機能障害（ALP）が含まれていた。

結論:

• 検証済みのロジスティック回帰モデルは、SIMD患者の短期死亡率を効果的に予測する。
• このモデルは、急性疾患の重症度、高齢化、肝機能障害を死亡の主な決定因子として強調している。
• このツールは、SIMD患者のクリティカルケア設定における早期リスク層別化を支援する。