心脏手术后炎症对30天死亡率和机器学习风险预测的影响

科学领域:

• 心脏病学 心脏病学
• 关键护理医学 关键护理医学
• 医疗信息学 医疗信息学

背景情况:

• 系统性炎症反应综合征 (SIRS) 是心脏手术后的一个关键问题.
• 预测SIRS对于减轻30天死亡率至关重要.
• 机器学习为心血管手术结果的预测建模提供了潜力.

研究的目的:

• 调查心脏手术患者中SIRS和30天死亡率之间的关联.
• 开发和验证用于预测心脏手术后SIRS的机器学习模型.
• 在这个患者群体中确定SIRS的关键预测因子.

主要方法:

• 对1908名接受心肺旁路心脏手术的患者进行了回顾性队列研究 (2016-2020年).
• 在术后第一天使用已确定的标准评估SIRS.
• 机器学习模型 (基线和程序调整) 通过交叉验证和测试集开发和验证.

主要成果:

• 在SIRS阳性患者中,SIRS发病率为28.7%,30天死亡率显著增加 (12.2%对1.5%,p<0.001).
• SIRS独立地与30天死亡率的增加有关 (OR 2.77;95% CI 1.40-5.47).
• 程序调整的机器学习模型表现出强大的预测性能 (测试集上的AUC为0.82).

结论:

• SIRS是心脏手术后30天死亡率增加的重要独立预测因子.
• 机器学习模型在准确预测SIRS方面表现有前途.
• 这些预测模型可以指导未来对有针对性的干预措施的研究,以减少不良结果.