術後心臓手術患者におけるせん妄の早期予測：機械学習モデルの開発と外部検証

科学分野:

• 医療情報学
• ヘルスケアにおける機械学習
• クリティカルケア医学

背景:

• 術後せん妄は、心臓手術後の一般的な合併症です。
• せん妄は、入院期間の延長、認知機能の低下、および死亡率と関連しています。
• 早期予測は、適時の介入のために重要です。

研究 の 目的:

• 心臓手術患者におけるせん妄を予測するための機械学習モデルを開発および検証する。
• ICUにおけるハイリスク個人の早期検出を促進する。
• せん妄のための標的予防戦略を支援する。

主な方法:

• 術後心臓手術患者のMIMIC-IV 2.0およびeICU-CRDデータベースからのデータを利用しました。
• ロジスティック回帰、サポートベクター分類器、極端勾配ブースティング（XGB）、およびランダムフォレストを使用して予測モデルを開発しました。
• AUC、精度、感度、PPV、NPV、およびF1スコアを使用してモデルのパフォーマンスを評価しました。

主要な成果:

• XGBモデルは、内部および外部検証の両方で最高のパフォーマンスを示しました。
• 外部検証では、AUCが0.75であり、強力な予測能力を示しました。
• 主要な予測因子には、入院期間、グラスゴーコーマスケールスコア、および平均血圧が含まれていました。

結論:

• 外部検証されたXGBモデルは、心臓手術後のICUせん妄に対して強力な予測能力を示します。
• このモデルは、リアルタイムのせん妄アラートシステムをサポートできます。
• ICUにおけるリスク層別化とエビデンスに基づいた意思決定を可能にします。