相关实验视频
Updated: Jul 13, 2025
07:42
A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
206
儿童是小成年人 (当正常化):可转移/可通用性败血症预测
Caitlin Marassi1, Damien Socia1, Dale Larie1
1Department of Surgery, University of Vermont, 89 Beaumont Ave, Given D319, Burlington, VT 05405, United States of America.
Surgery open science
|October 11, 2023
概括
这项研究开发了一种机器学习模型,通过将儿科生理数据正常化到成人标准来预测儿童的败血症. 该模型在儿科和成人群体中实现了高准确性,在各年龄组中展示了可通用性.
科学领域:
- 生物医学信息学 生物医学信息学
- 医疗保健中的机器学习
- 儿科重症监护 儿科重症监护
背景情况:
- 儿科败血症呈现出独特的生理轨迹,与成人病例不同.
- 有限的儿科败血症数据集阻碍了直接的模型开发.
- 利用共享生物学需要将儿科数据规范化,以便在成年人中进行比较.
研究的目的:
- 为了使儿科生理学数据正常化,以便与成人数据进行直接比较.
- 开发机器学习分类器,用于预测儿科败血症发病.
- 在独立的成人数据集上对这些分类器进行外部验证.
主要方法:
- 利用了儿科重症监护 (PIC) 数据库中的生命体征和实验室数据.
- 开发了持续年龄规范化的SOFA (CAN-SOFA) 评分,用于年龄规范化.
- 使用XGBoost算法进行败血症分类,并根据MIMIC-IV成人数据进行验证.
主要成果:
- 儿科败血症分类器实现了0.84的准确性和0.867的F1-Score.
- 在成人数据上,分类器显示0.80准确度和0.88F1-Score.
- 在外部测试时,在两个人群中观察到类似的性能退化 (数据漂移).
结论:
- 证明了电子健康记录 (EHR) 在儿科和成人群体之间用于败血症预测的普遍性.
- 一种简单的年龄规范化方法使其能够跨人口适用.
- 这种方法有助于利用共享的生物基础来改善败血症检测.
