在创伤性脑损伤患者中,基于森林的随机预测内高血压
Jun Zhu1, Yingchi Shan1, Yihua Li2
1Department of Neurosurgery, Shanghai General Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, 201600, China.
Intensive care medicine experimental
|July 2, 2024
概括
这项研究开发了一种随机森林模型,用于预测创伤性脑损伤 (TBI) 患者的内高血压 (IH). 该模型准确预测IH事件,特别是严重病例,使早期干预成为可能.
科学领域:
- 神经临界护理是指神经临界护理.
- 密集护理医学 密集护理医学
- 机器学习在医学中的应用
背景情况:
- 内高血压 (IH) 管理对于预防创伤性脑损伤 (TBI) 中的二次脑损伤至关重要.
- 早期预测IH允许采取积极的预防性治疗策略.
- 开发IH的预测模型对于优化神经临床护理至关重要.
研究的目的:
- 开发和验证随机森林 (RF) 模型,用于预测TBI患者的IH事件.
- 利用早期内压 (ICP) 数据来预测IH发病.
- 增强识别TBI患者具有高风险的IH的能力.
主要方法:
- 分析从TBI患者的前性收集的ICU数据与侵入性ICP监测的分析.
- 从初始ICP数据 (前6小时) 中提取线性和非线性特征.
- 开发包含基线特征和ICP衍生特征的RF模型,并进行五重交叉验证.
主要成果:
- 这项研究包括69名TBI患者;62.3%的患者经历了IH,而43%的患者进展为严重的IH (SIH).
- 射频模型在IH预测方面表现可接受 (AUC=0.76),在SIH预测方面表现出色 (AUC=0.84).
- 交叉验证证实了预测模型性能的稳定性和可靠性.
结论:
- 开发的射频模型有效地预测了TBI患者随后的IH事件,特别是严重的事件.
- 该模型利用早期术后的ICP数据,为临床决策提供了一个预测工具.
- 这种预测框架有助于对可能需要加强神经治疗的TBI患者进行分类.
