用机器学习来预测严重患有心房的患者的死亡率的血糖变异性预测值和死亡率预测模型

科学领域:

• 关键护理医学 关键护理医学
• 心脏病学 心脏病学
• 内分泌学 在内分泌学.

背景情况:

• 前庭动 (AF) 在重症监护室 (ICU) 造成了重大负担.
• 血糖控制对于管理AF至关重要,血糖变化 (GV) 成为一个关键的预后指标.
• 在ICU中GV对AF患者结果的影响需要进一步调查.

研究的目的:

• 调查血糖变化 (GV) 与在重症监护室 (ICU) 患有心房动 (AF) 患者的全因死亡率之间的关联.
• 评估与GV相关的短期,中期和长期死亡风险.
• 开发机器学习模型,使用GV预测死亡率.

主要方法:

• 使用密集护理IV (MIMIC-IV) 数据库的医疗信息中心对初级和外部验证队列进行了验证.
• 采用多变量Cox比例危险模型和受限立方线分析来评估GV死亡率关系.
• 构建机器学习模型,包括光梯度增强机器,以预测30天所有原因的死亡率.

主要成果:

• 较高的GV四分位数与入住ICU的AF患者30天,90天和360天全因死亡率的增加显著相关.
• 对GV的潜在风险分层值被确定为20.0%.
• 结合GV的机器学习模型显示了短期死亡率的高预测性能,GV是关键特征.

结论:

• 血糖变化 (GV) 是多个时间间隔内心动 (AF) 的ICU患者死亡率的显著预测因素.
• 在这种高风险人群中,GV可以作为一种有价值的生物标志物,用于风险分层和临床决策.
• 集成GV的机器学习模型显示出改善AF患者短期死亡率预测的前景.