基于MIMIC-IV数据库的血症患者的短期-和长期-死亡风险预测模型的构建和评估

科学领域:

• 关键护理医学 关键护理医学
• 在医疗保健中的数据科学.
• 流行病学 流行病学

背景情况:

• 败血症是一个重大的全球健康挑战,死亡率高.
• 对于败血症死亡率的现有预测模型在操作方便性,适用性和长期预后评估方面存在局限性.
• 早期识别和干预对于改善败血症患者的治疗结果至关重要.

研究的目的:

• 确定与败血症相关死亡相关的关键风险因素.
• 在败血症患者中开发和验证短期 (28天) 和长期 (1年) 死亡率的预测模型.
• 为了提高败血症风险分层的临床实用性.

主要方法:

• 利用密集护理-IV (MIMIC-IV) 数据库的医疗信息市场,包括14240名败血症患者.
• 采用单变Cox回归和全子集回归来确定显著的风险因素.
• 开发了预测模型,并使用时间依赖的AUC,校准曲线和决策曲线评估了它们的性能.

主要成果:

• 鉴定了晚年,高SOFA和SAPS II分数,败血症休克以及肝病和恶性瘤等并发症作为显著的危险因素.
• 最终的模型包含了八个变量:PT,呼吸率,体温,恶性瘤,肝病,败血症,SAPS II和年龄.
• 达到28天AUC为0.717和1年死亡率为0.716,显示出良好的预测准确性和临床效用.

结论:

• 开发的预测模型为败血症患者提供了可靠的短期和长期死亡风险评估.
• 这些模型为预后评估和指导干预策略提供了有价值的临床参考.
• 这项研究强调了数据驱动方法改善败血症护理的潜力.