基于机器学习的预测模型,用于儿童持续脏替代疗法启动后的ICU死亡率
Sameer Thadani1, Tzu-Chun Wu2, Danny T Y Wu2,3
1Department of Pediatric, Division of Critical Care Medicine and Nephrology, Baylor College of Medicine, Texas Children's Hospital, Houston, TX.
Critical care explorations
|December 17, 2024
概括
机器学习模型预测了接受连续脏替代疗法 (CRRT) 的儿科患者的生存率. 随机森林模型最好预测了ICU生存率,而后勤回归预测了医院生存率.
科学领域:
- 儿科重症监护医药 儿科重症监护医药
- 腎臟病學 (nephrology) 是一種醫學專業.
- 生物医学数据科学是生物医学数据科学.
背景情况:
- 持续置换疗法 (CRRT) 对重症儿童至关重要.
- 由于异质性和有限的数据,预测CRRT患者的结果具有挑战性.
研究的目的:
- 开发和验证机器学习 (ML) 模型,用于预测儿科和年轻成人CRRT患者的存活率.
- 确定重症监护室 (ICU) 和医院生存的关键预测因素.
主要方法:
- 一项回顾性国际多中心研究使用了933名25岁以下的患者的80/20培训/测试分割.
- 模型包括后勤回归 (LR),决策树,随机森林 (RF),梯度增强和支持向量机.
- 由于数据不平衡,使用AUROC和AUPRC进行了性能评估.
主要成果:
- 随机森林 (RF) 在预测ICU死亡率方面表现最高 (AUROC 0.791).
- 逻辑回归 (LR) 在医院死亡率方面表现最好 (AUROC 0.777).
- 关键预测ICU生存的关键预测因素包括儿科物流器官功能障碍-2分数和呼吸衰竭诊断.
结论:
- 本研究提出了第一个用于预测儿科和年轻成年人群中CRRT存活率的ML模型.
- 射频模型在ICU死亡率预测方面表现出卓越的性能.
- 未来的研究应该纳入更多的变量,并探索深度学习以提高精度.
