使用机器学习的2型糖尿病尿路感染个性化的预测模型
Yu Xiong1, Yu-Meng Liu2, Jia-Qiang Hu3
1Institute of Materia Medica, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China.
Frontiers in pharmacology
|January 25, 2024
概括
患有2型糖尿病 (T2DM) 的患者面临更高的尿路感染 (UTI) 风险. 这项研究开发了一种机器学习模型,用于预测T2DM患者的尿路感染,识别炎症标志物和药物使用等关键风险因素.
科学领域:
- 医疗信息学 医疗信息学
- 糖尿病学 糖尿病学
- 传染性疾病 传染性疾病
背景情况:
- 患有2型糖尿病 (T2DM) 的患者对尿路感染 (UTI) 的敏感性增加,这显著影响了他们的生活质量.
- 早期识别高风险T2DM患者的尿路感染对于及时干预和改善患者结果至关重要.
研究的目的:
- 开发和验证一种预测模型,用于识别患有T2DM,患有尿路感染高风险的患者.
- 构建一个用户友好的基于网络的平台,以协助临床医生在T2DM患者的尿路感染预防方面的决策.
主要方法:
- 文献审查确定了106个潜在变量;从医院信息系统中提取了1340名T2DM患者的数据.
- 广泛的数据预处理涉及归算,平衡和特征选择,导致864个机器学习模型.
- 模型性能使用10倍交叉验证和引导式外部验证,使用AUC和DCA指标进行了评估. 为了特征解释,使用了夏普利添加式扩展 (SHAP).
主要成果:
- 在外部验证中,表现最好的模型在曲线下的面积 (AUC) 为0.9789 .
- 在T2DM患者中,尿路感染的关键预测因素包括炎症标志物,SGLT2抑制剂的使用,并发症,血液常规指标,住院时间和估计的淋巴细胞过率 (eGFR).
- 一个基于Web的预测平台成功地使用最佳模型开发出来.
结论:
- 开发的机器学习模型显示出对T2DM患者的尿路感染有很强的预测能力.
- 这种用户友好的预测平台具有显著的临床实用性,帮助医疗保健专业人员做出明智的决策,以减少尿路感染的发生率.
- 将这种工具与临床判断相结合,可以提高T2DM患者中尿路感染的管理.
