使用机器学习模型预测患有败血症的急性骨科创伤患者的医院死亡率

科学领域:

• 医疗信息学 医疗信息学
• 人工智能在医学中的应用
• 关键护理医学 关键护理医学

背景情况:

• 患有败血症或呼吸衰竭的关键骨科创伤患者面临高的住院死亡率.
• 准确预测死亡率对于及时干预和资源分配至关重要.

研究的目的:

• 建立和验证机器学习 (ML) 模型,用于预测关键骨科创伤患者的医院死亡.
• 开发基于最佳预测模型的人工智能 (AI) 应用程序.

主要方法:

• 在密集护理医疗信息中心 (MIMIC) 数据库中收集了523名患者的数据.
• 开发并验证了六个ML算法:逻辑回归 (LR),极端梯度增强机 (eXGBM),支向量机 (SVM),随机森林 (RF),神经网络 (NN) 和决策树 (DT).
• 利用一个全面的评分系统,使用10个评估指标来选择最佳模型;部署了一个AI应用程序.

主要成果:

• 住院死亡率为19.69%.
• eXGBM模型实现了0.951的最高曲线下面积 (AUC),精度高 (0.902),精度高 (0.893),回忆力高 (0.915) 和F1得分高 (0.904).
• eXGBM和RF模型展示了显著的临床净益; eXGBM被确定为优越的预测模型.

结论:

• 一个人工智能应用程序成功地开发出来,可以预测这个患者队列的住院死亡率.
• eXGBM模型提供了一个强大而准确的工具,用于预测毒症或呼吸衰竭的关键骨科创伤患者的死亡率.