基于LASSO的机器学习算法用于预测与败血症相关的PICS.
Kangping Hui1, Chengying Hong2, Yihan Xiong3
1The Second Clinical Medical College, Jinan University, Shenzhen, Guangdong Province, People's Republic of China.
Infection and drug resistance
|July 8, 2024
概括
在使用早期ICU数据的热带疾病患者中预测持久性炎症,免疫抑制和代谢综合征 (PICS). 像RDW-CV,血过和机械通风这样的关键指标可以预测PICS的发作,并改善患者的治疗结果.
科学领域:
- 关键护理医学 关键护理医学
- 传染性疾病 传染性疾病
- 病理生理学 病理生理学
背景情况:
- 持续性炎症,免疫抑制和代谢综合征 (PICS) 是重症监护室 (ICU) 患者的关键并发症,特别是热带疾病患者.
- 早期发现和管理PICS对于改善患者存活率和临床结果至关重要.
研究的目的:
- 开发一种全面的,多层次的方法,用于预测和管理热带疾病患者在ICU入院后的前14天的PICS.
- 从临床和微生物数据中识别关键预测变量,用于早期PICS检测.
主要方法:
- 一项对2016年12月至2019年7月期间入院的1733名ICU患者的回顾性分析.
- 最小绝对收缩和选择操作员 (LASSO) 回归被用于从疾病严重程度和实验室指数中识别PICS的显著预测因素.
- 使用独立队列构建和验证了一个预测模型.
主要成果:
- 13.79%的患者患有PICS,死亡率为38.08%.
- 发现的关键预测因素包括红细胞分布宽度变化系数 (RDW-CV),血过 (HF),机械通风 (MV),上腺素 (NE),乳酸和多药耐药细菌 (MDR) 感染.
- 预测模型表现出强的性能,曲线下的面积 (AUC) 为0.828 (验证AUC:0.848).
结论:
- 在ICU入院时,RDW-CV,HF,MV,NE,乳酸和MDR感染对于预测热带疾病患者PICS的预后至关重要.
- 基于这些预测因素的及时,有针对性的干预措施可以显著改善临床结果.
- 这项研究为在热带疾病背景下主动管理PICS提供了有价值的工具.
