一个可解释的集体学习模型促进了在重症监护室中缺血性中风的早期风险分层:ICU-ISPM的开发和外部验证
Wei Hu1, Tingting Jin1, Ziqi Pan2
1Department of Pharmacy, The Second Affiliated Hospital, Zhejiang University School of Medicine, Hangzhou, 310009, China.
Computers in biology and medicine
|October 18, 2023
概括
一个新的集体学习模型,ICU-ISPM,准确地预测了重症监护室 (ICU) 中缺血性中风 (IS) 患者的住院死亡率. 这种工具有助于早期风险分层和资源配置,以获得更好的患者结果.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
- 关键护理医学 关键护理医学
背景情况:
- 缺血性中风 (IS) 是一种具有高死亡率和可变预后的严重疾病,需要进入重症监护室 (ICU).
- 目前在ICU中的IS患者的风险分层工具不足,阻碍了及时干预和最佳资源配置.
- 早期准确预测住院死亡率对于改善IS患者的治疗结果至关重要.
研究的目的:
- 开发和验证新的集体学习模型,用于预测患有缺血性中风的ICU患者的住院死亡率.
- 确定入住ICU的IS患者死亡率的关键预测因素.
- 创建一个用户友好的在线预测工具,用于临床应用.
主要方法:
- 使用MIMIC-IV和eICU-CRD公共数据库开发和验证组合学习模型 (软投票和堆叠).
- 使用AUROC的绩效评估,与现有的评分系统 (如APACHE) 的比较,并通过SHAP进行可解释性分析.
- 创建一个风险分层系统和一个可访问的在线预测工具.
主要成果:
- 软投票组合模型 (ICU-ISPM) 显示出高预测准确度,AUROC为0.861 (内部) 和0.844 (外部).
- ICU-ISPM显著优于APACHE评分系统和个别模型,显示出优越的稳定性.
- 确定的关键死亡率预测因素包括格拉斯哥昏迷表 (GCS) 评分,年龄和输管状态.
结论:
- ICU-ISPM模型是一个准确,可靠和可解释的工具,用于预测ICU内的缺血性中风患者的住院死亡率.
- 开发的风险分层系统有效地将患者分为低,中,高风险组.
- 预计免费提供的在线预测工具将帮助临床医生在患者管理和缺血性中风的资源配置方面.
