使用机器学习算法开发轻度创伤性脑损伤患者的神经恶化的预测模型
Baoyin Shan1, Ruoran Wang1, Jianguo Xu2
1Department of Neurosurgery, West China Hospital, Sichuan University, Chengdu, Sichuan province, China.
Neurosurgical review
|August 28, 2024
概括
轻度创伤性脑损伤 (mTBI) 可以导致神经系统恶化 (ND). 这项研究使用机器学习开发了一个预测模型,确定序列器官衰竭评估 (SOFA) 评分和高血压作为mTBI患者ND的关键风险因素.
科学领域:
- 神经学 神经学
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 轻度创伤性脑损伤 (mTBI) 是大多数创伤性脑损伤的原因.
- 一小部分mTBI患者经历神经系统恶化 (ND),导致结果较差.
- 在mTBI中开发ND的预测模型对于改善患者预后至关重要.
研究的目的:
- 开发和验证机器学习模型,用于预测轻度创伤性脑损伤 (mTBI) 患者的神经恶化 (ND).
- 在mTBI人群中确定与ND相关的独立风险因素.
- 创建一个实用的预测工具,用于早期识别高风险mTBI患者.
主要方法:
- 使用了来自密集护理III (MIMIC-III) 医疗信息中心数据库的数据.
- 定义ND为格拉斯哥昏迷量表 (GCS) 下降≥2在入院7天内.
- 训练并验证了8个机器学习算法,包括随机森林,XGBoost和物流回归,使用5倍交叉验证.
主要成果:
- 在361名mTBI患者中,ND的发病率为30.7%,30天死亡率更高.
- 随机森林在培训队伍中实现了接收器运行特征曲线 (AUC) 下的面积为1.000个.
- 后勤回归在验证队列中表现最好,AUC为0.741,将SOFA分数和高血压确定为独立预测因素.
结论:
- 序列器官衰竭评估 (SOFA) 评分和复杂的高血压是mTBI神经系统恶化的重要独立风险因素.
- 综合SOFA分数和高血压的后勤回归模型有效地识别了高风险ND的mTBI患者.
- 这种预测模型可以帮助临床医生及时干预和管理容易发生神经衰退的mTBI患者.
