机器学习方法用于开发心脏重症监护病房 Delirium 发病率的预测模型
Ryoung-Eun Ko1, Jihye Lee2, Sungeun Kim3
1Department of Critical Care Medicine, Samsung Medical Center, Sungkyunkwan University School of Medicine, Seoul, Republic of Korea.
Revista espanola de cardiologia (English ed.)
|January 18, 2024
概括
一个新的模型利用白蛋白和年龄等关键因素预测心脏重症监护室 (CICU) 患者的妄想. 这种工具有助于在危急心脏病患者中早期分层分类 Delirium 的风险.
科学领域:
- 心脏病学 心脏病学
- 密集护理医学 密集护理医学
- 在医疗保健中的数据科学.
背景情况:
- 痴呆症是心脏重症监护室 (CICU) 的一个重要的预后因素.
- 随着患者人口结构的变化,需要更新 Delirium 预测策略.
- 精确预测痴呆症对于改善ICU患者的治疗结果至关重要.
研究的目的:
- 开发一种新型的预测模型,用于治疗入院患者的痴呆症.
- 为了确定与这种人群中妄想发展相关的关键临床变量.
- 创建一个简单有效的工具,用于床边风险分层.
主要方法:
- 使用了机器学习技术,包括随机森林,极端梯度提升,部分最小平方和Plmnet-elastic.net.net.
- 包括2774名连续入院的患者.
- 执行了后勤回归分析和内部验证,使用100次重复的保留验证.
主要成果:
- 该研究确定了677名 (24.4%) 患有 Delirium 的患者.
- 最终的模型包含了白蛋白水平,国际正常化比率,血液尿素,白细胞计数,C反应蛋白水平,年龄,心率和机械通风.
- 该模型表现出强大的预测性能,AUROC为0.861 (95%CI,0.843-0.879),内部验证为0.854 (95%CI,0.826-0.883).
结论:
- 通过使用机器学习识别的预测器成功开发了一种新的妄想预测模型.
- 该模型是一种潜在的有用和简单的工具,用于在CICU患者中对妄的床边风险分层.
- 这种工具可以帮助临床医生在危急心脏病患者中主动管理妄风险.
