機械学習に基づく,不全性脳卒中および血流感染症の患者に対する予後リスク要因およびリスク管理措置の分析

科学分野:

• 医療情報工学 医療情報工学
• 臨床流行病学 臨床流行病学とは
• 医学における機械学習

背景:

• 缺血性脳卒中と血流感染症は,複雑な臨床的課題を提示しています.
• 正確な予後評価は,効果的な患者管理に不可欠です.

研究 の 目的:

• 缺血性脳卒中および血流感染症の患者に対する主要な予後リスク要因を特定する.
• 精密なリスク管理戦略のための予測モデルを構築し,検証する.

主な方法:

• 低血圧性脳卒中後に二次的な血流感染症を患った患者の臨床データの遡及分析.
• 2つのモデルの開発:一つは伝統的なコックス回帰を用いて,もう一つは機械学習最小絶対縮小と選択演算子 (LASSO) 回帰を用いて.
• R二乗,C指数,曲線下の面積 (AUC),校正曲線,意思決定曲線 (DCA) を使用したモデル比較.

主要な成果:

• 最終的な予測モデルとしてLASSO回帰モデル (モデル2) が選択されました.
• 特定された主要な予測要因には,肺炎,心不全,冠動脈動脈硬化性心疾患,機械呼吸器,上昇したアラニンアミノトランスフェラーゼ,上昇したC反応性タンパク質-リンパ球比,および減少したアルバミンが含まれています.
• このモデルは,トレーニング,内部,および外部検証データセットで,AUC値が0.844から0.886の範囲で,高い予測精度を示しました.

結論:

• 肺炎と低アルバミネミアは,有意な予後リスク因子である.
• LASSO回帰は,これらのリスク要因を効果的に特定し,非常に正確な予後モデルを作成します.
• 開発されたモデルは,罹患患者の標的型リスク管理に優れた臨床的有用性を提供しています.