相关实验视频
Updated: Jun 7, 2025
09:49
Experimental Model to Evaluate Resolution of Pneumonia
Published on: February 17, 2023
1.2K
基于机器学习的模型用于预测非肺性败血症相关ARDS的发生率和死亡率
Jinfeng Lin1,2, Chunfeng Gu3, Zhaorui Sun1
1Department of Emergency Medicine, Jinling Clinical Medical College of Nanjing Medical University, Nanjing, 210016, Jiangsu, China.
Scientific reports
|November 15, 2024
概括
机器学习准确地预测非肺性败血症相关的ARDS (NPS-ARDS) 和死亡率. 极端梯度增强模型在内部和外部验证中显示出高精度,有助于临床决策.
科学领域:
- 关键护理医学 关键护理医学
- 医疗保健中的机器学习
- 肺部医学 肺部医学
背景情况:
- 败血症可能导致急性呼吸困扰综合征 (ARDS),特别是在没有先前肺部疾病的患者中.
- 与非肺性败血症相关的ARDS (NPS-ARDS) 是一个重大的临床挑战,死亡率更高.
- 预测模型对于早期干预和改善败血症患者结果至关重要.
研究的目的:
- 开发和验证用于预测NPS-ARDS的发生的机器学习模型.
- 建立一个能够预测NPS-ARDS患者死亡率的模型.
- 确定用于NPS-ARDS预测的最有效的机器学习技术.
主要方法:
- 利用了一个大型数据集 (MIMIC-IV) 的败血症患者与非肺部感染部位.
- 应用了各种机器学习算法,包括K-近邻,极端梯度提升,支持向量机,深度神经网络和决策树.
- 使用内部 (80%培训,20%测试) 和外部数据集验证模型性能.
主要成果:
- 分析了超过11000名患者,其中66.9%患有NPS-ARDS.
- 患有NPS-ARDS的患者在ICU停留时间更长,28天死亡率明显更高.
- 极端梯度增强模型实现了高精度 (NPS-ARDS的77.5%,内部验证的死亡率为71.8%,NPS-ARDS的78.0%,外部验证的死亡率为81.4%).
结论:
- 极端梯度增强模型在预测NPS-ARDS发生率和死亡率方面显示出显著的潜力.
- 这种机器学习方法为NPS-ARDS的风险分层和临床管理提供了有价值的工具.
- 进一步验证和在临床环境中实施是有必要的,以确认其实用性.
