高齢入院患者におけるセフォペラゾン・スルバクタム関連凝固異常予測のための解釈可能な機械学習：二施設後ろ向き研究

科学分野:

• 老年医学
• 薬理学
• 医療情報学

背景:

• セフォペラゾン・スルバクタムは、高齢者における重症感染症に頻繁に使用されます。
• この抗生物質は、特に栄養失調または肝機能障害のある患者において、凝固異常に関連しています。
• これらの副作用のリスクがある高齢患者を予測することは困難です。

研究 の 目的:

• 高齢入院患者におけるセフォペラゾン・スルバクタム誘発性凝固障害の予測モデルを作成および検証すること。
• ベッドサイドでのリスク評価のための実用的なツールを開発すること。

主な方法:

• セフォペラゾン・スルバクタムで72時間以上治療された485人の高齢患者（60歳以上）の後ろ向き研究。
• ロジスティック回帰および10の機械学習モデルを使用した臨床的および人口統計学的データの分析。
• SHapley Additive exPlanations (SHAP) を使用したモデル解釈可能性の評価。 nomogramおよびWeb計算機が開発されました。

主要な成果:

• 独立した予測因子として、年齢75歳以上、低タンパク血症、中心静脈栄養、不眠症、および最近の経口抗生物質の使用が特定されました。
• LightGBM機械学習モデルが最良のパフォーマンスを示しました（AUC、バランスの取れた指標）。
• SHAP分析、 nomogram、およびWeb計算機は、臨床的解釈と患者固有のリスク推定を容易にします。

結論:

• 解釈可能な機械学習モデル、 nomogram、およびWeb計算機は、高齢患者におけるセフォペラゾン・スルバクタム関連凝固異常を正確に予測します。
• これらのツールは、個別化されたリスク評価と適時な予防介入をサポートします。
• Web計算機は、迅速なベッドサイドリスク推定を可能にし、モニタリングと予防戦略を導きます。