机器学习算法用于预测MIMIC-III数据库中创伤性脑损伤患者的呼吸器相关肺炎
Ruoran Wang1, Linrui Cai2, Yan Liu3
1Department of Neurosurgery, West China Hospital, Sichuan University, Chengdu, Sichuan province, China.
Heart & lung : the journal of critical care
|August 18, 2023
概括
机器学习模型可以预测创伤性脑损伤 (TBI) 患者的呼吸机相关肺炎 (VAP). 在预测TBI患者的VAP风险方面,AdaBoost表现稳定.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
- 关键护理医学 关键护理医学
背景情况:
- 呼吸机相关肺炎 (VAP) 是创伤性脑损伤 (TBI) 患者的重大并发症,导致结果较差.
- 早期准确预测VAP对于改善患者预后至关重要.
研究的目的:
- 评估各种机器学习算法在TBI患者中对VAP的预测能力.
- 在这个人群中确定VAP风险评估最有效的算法.
主要方法:
- 利用了来自MIMIC-III数据库的数据,包括TBI患者在机械通风超过48小时.
- 开发并验证了使用诸如Random Forest,XGBoost和AdaBoost等算法的预测模型.
- 通过5倍交叉验证使用AUC,灵敏度,特异性,精度和F-score等指标评估模型性能.
主要成果:
- 该研究包括786名TBI患者,VAP发病率为44.0%.
- 随机森林在培训队列中显示了最高的AUC (1000),而AdaBoost在验证队列中实现了最佳表现 (AUC=0.706).
- 与Random Forest和XGBoost相比,AdaBoost表现更加稳定,因为它们容易过度装配.
结论:
- AdaBoost算法在TBI患者中预测VAP方面显示出有希望和稳定的性能.
- 使用AdaBoost开发便携式电子设备可以帮助医生实时评估TBI患者的VAP风险.
