基于机器学习的非中性发育性侵袭性肺阿斯伯吉洛症的预后诺莫图的开发

科学领域:

• 医学真菌学 医学真菌学
• 传染性疾病 传染性疾病
• 临界护理医学 临界护理医学

背景情况:

• 侵袭性肺阿斯伯吉洛症 (IPA) 发病率在非中性衰竭患者中正在增加.
• 对这一群体的预后因素的研究有限.
• 早期识别高风险患者对于及时干预至关重要.

研究的目的:

• 开发和验证一个预测模型的死亡风险在nonneutropenic IPA患者.
• 确定与死亡率相关的独立预后因素.
• 创建一个临床应用的风险分层工具.

主要方法:

• 追溯队列研究,包括210名非中性衰竭的IPA患者.
• 使用最小绝对收缩和选择操作员 (LASSO) 回归来进行变量选择.
• 采用多变量考克斯回归来构建一个预测性名ogram模型.
• 使用一致性指数,校准曲线,T-ROC,AUC和DCA验证的模型性能.

主要成果:

• 拉索确定了七个潜在的预测因素.
• 死亡率的独立预测因素包括年龄,并发性细菌性肺炎,中性粒细胞与淋巴细胞的比率 (NLR),乳酸脱酶 (LDH) 和侵入性机械通风.
• 诺米图表表现出卓越的预测准确性和校准.
• 在高风险和低风险组中实现了有效的风险分层.

结论:

• 开发的诺米图谱是预测非中性贫血IPA患者死亡风险的有效工具.
• 临床医生可以使用这个模型来识别高风险个体.
• 基于风险分层的优化早期治疗策略可以改善患者的治疗结果.