早期预警模型使用机器学习来预测败血症相关的慢性重症疾病:基于密集护理医疗信息市场数据库的研究
Yulin Mei1, Meng Li2, Yuqi Li1
1Department of Critical Care Medicine, Wannan Medical College, Wuhu, CHN.
Cureus
|September 18, 2024
概括
一种新的机器学习模型可以预测败血症患者的慢性严重疾病 (CCI). 这种工具有助于早期识别,改善临床决策,以获得更好的患者结果.
科学领域:
- 关键护理医学 关键护理医学
- 机器学习在医疗保健中的应用
- 预测分析是一种预测分析.
背景情况:
- 败血症患者经常患上慢性重症 (CCI),导致预后不佳和高医疗费用.
- 目前对败血症相关的CCI的临床认识有限,需要提高警和预测工具.
研究的目的:
- 开发和验证一种机器学习模型,用于预测败血症患者中CCI的发病情况.
- 为了确定与疹中CCI的发展相关的关键风险因素.
主要方法:
- 来自MIMIC-IV数据库的19077名败血症患者记录的分析.
- 使用后勤回归,支持向量机,决策树,随机森林,极端梯度增强和人工神经网络模型.
- 使用统计测试确定预测因素,并通过校准曲线和外部验证评估模型性能.
主要成果:
- 确定了CCI的37个风险因素,包括氨酸转移酶升高,心率加快和高物流器官功能障碍系统得分.
- 极端梯度增强模型表现出卓越的性能,F1得分为0.91和AUROC为0.91.
- 该模型在外部验证集 (AUROC = 0.72) 上保持了稳定的预测性能.
结论:
- 一个强大的机器学习模型已经开发出来,可以预测血症患者的CCI.
- 这种预测模型为临床决策和早期干预策略提供了宝贵的见解.
- 这些发现突显了机器学习的潜力,以加强与败血症相关的慢性重症疾病的管理.
