相关实验视频
Updated: Jun 18, 2025
05:37
An R-Based Landscape Validation of a Competing Risk Model
Published on: September 16, 2022
2.0K
在多创伤患者中预测死亡率的外部验证
Ellen R Becker1, Adam D Price1, Jackson Barth2
1Department of Surgery, University of Cincinnati, Cincinnati, Ohio.
The Journal of surgical research
|August 2, 2024
概括
帕克兰创伤死亡率指数 (PTIM) 模型有效地预测了新创伤中心多创伤患者的死亡率. 它的核心变量保持预测能力,允许在没有广泛的重新验证的情况下运行.
科学领域:
- 创伤护理 创伤护理
- 机器学习在医学中的应用
- 预测分析是一种预测分析.
背景情况:
- 帕克兰创伤死亡率指数 (PTIM) 是一种机器学习模型,用于预测多创伤患者的72小时死亡率.
- PTIM利用人口统计,实验室和生理数据进行自动化分析.
- 这项研究测试了PTIM的验证性能延伸到另一个1级创伤中心的假设.
研究的目的:
- 在不同的1级创伤中心对帕克兰创伤死亡率指数 (PTIM) 模型进行外部验证.
- 开发和比较使用PTIM的临床变量 (CV) 和其他数据的新型死亡率预测模型 (辛辛那提创伤死亡率指数 - CTIM).
- 评估PTIM预测变量的通用性和操作可行性.
主要方法:
- 从2022年1月到2023年9月,对大约5000名成人1级创伤激活的回顾性队列研究.
- 使用其临床变量对PTIM的外部验证 (PTIM+模型).
- 开发新的死亡预测模型 (CTIM),包括所有可用的临床变量,并比较统计绩效.
主要成果:
- 在外部验证 (PTIM+模型) 中,PTIM临床变量表现出类似的预测性能.
- 辛辛那提创伤死亡率指数 (CTIM) 模型显示性能与PTIM相似.
- CTIM在48小时死亡率预测方面实现了高负预测值 (99.6%) 和特异性 (97.3%),AUC为0.98.
结论:
- 通过PTIM识别的临床变量在外部1级创伤中心队列中保持了预测准确性.
- 这支持创伤中心的潜力,可以在没有广泛的重新开发的情况下有效地实施预测模型.
- 这些发现表明PTIM在各种创伤护理环境中的实用性和通用性.
