关于开发和验证机器学习模型的协议,用于预测在接受普罗波福镇静剂的危急病患者中,使用追溯数据预测高甘油三血症风险

科学领域:

• 关键护理医学 关键护理医学
• 生物统计学 生物统计学
• 医疗信息学 医疗信息学

背景情况:

• 普罗波是机械通风患者常用的镇静剂.
• 普罗波的使用增加了过高甘油三血的风险.
• 早期识别有风险的患者对于管理镇静和预防并发症至关重要.

研究的目的:

• 开发和验证一种机器学习模型,用于预测与普罗波福相关的高甘油三血症风险.
• 为临床医生创建一个可解释的工具,以指导镇静策略.
• 将模型部署为基于Web的临床风险计算器.

主要方法:

• 利用了四个梅奥诊所网站的回顾性数据.
• 用户嵌套交叉验证用于内部调和外部验证.
• 应用 Boruta 和 LASSO 来进行特征选择,并对超参数调整进行贝叶斯优化.
• 评估了六个机器学习算法,包括SHAP用于局部可解释性.

主要成果:

• 该研究将报告各种机器学习模型的性能.
• 模型的通用性将通过离开一个站点的交叉验证进行评估.
• 将确定特征的重要性,以提高模型的可解释性.

结论:

• 开发的机器学习模型将提供一种可靠和可解释的方法来预测高甘油三血症风险.
• 该模型旨在加强重症监护病房的临床决策.
• 发现的传播将通过同行评审的出版物进行.