在重症监护病房中预测非的上胃肠道出血的早期预后:基于可解释的机器学习
Xiaoxu Zhao1, Shuxing Wei2, Yujie Pan1
1Department of Occupational Medicine and Clinical Toxicology, Beijing Chaoyang Hospital, Capital Medical University, Beijing, 100020, China.
European journal of medical research
|August 31, 2024
概括
这项研究开发了一种机器学习模型,用于预测在重症监护室 (ICU) 患有非瘤上部胃肠道出血 (NVUGIB) 的患者的死亡率. 渐变增强决策树模型准确地识别了高风险患者,有助于临床理解.
科学领域:
- 关键护理医学 关键护理医学
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 非的上部胃肠道出血 (NVUGIB) 是一种需要密集护理的危急情况.
- 在重症监护室 (ICU) 内预测NVUGIB患者的死亡率对于及时干预至关重要.
- 现有的模型可能无法完全捕捉NVUGIB患者预后的复杂性.
研究的目的:
- 为患有NVUGIB的ICU患者开发和验证基于机器学习的死亡率预测模型.
- 确定影响该患者群体死亡风险的关键临床因素.
- 为了提高NVUGIB的临床决策和患者分层.
主要方法:
- 利用了来自医疗信息中心的密切护理IV (MIMIC-IV) 数据库 (2008-2019) 的数据.
- 应用LASSO回归来选择特征,然后训练11个机器学习模型.
- 根据曲线下的面积 (AUC) 性能选择了梯度增强决策树 (GBDT) 模型.
- 采用沙普利增量解释 (SHAP) 来进行模型解释性和特征重要性分析.
主要成果:
- 在验证队列中,GBDT模型实现了0.853的AUC和0.839的准确性.
- 死亡率的关键预测因素包括休克,格拉斯哥昏迷量表 (GCS),脏疾病,年龄,专蛋白和氨酸转移酶 (ALP).
- SHAP分析提供了个性化的死亡率预测,说明了模型的透明度.
结论:
- 通过使用MIMIC数据库数据,成功开发了一种强大的机器学习预后模型,用于ICU中的NVUGIB患者.
- 该模型和SHAP分析为管理NVUGIB患者的临床医生提供了宝贵的见解.
- 早期识别高风险患者可能会改善结果.
