相关实验视频
Updated: Jun 3, 2025
07:42
A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
144
诺莫图和随机生存森林模型用于预测重症监护室中脑梗塞患者的败血症风险
Haofuzi Zhang1, Kangyi Yue1, Yutong Wang2
1Department of Neurosurgery, Xijing Hospital, Fourth Military Medical University, Xi'an 710032, China; Institute of Neurosurgery of People's Liberation Army of China (PLA), PLA's Key Laboratory of Critical Care Medicine, Xijing Hospital, Fourth Military Medical University, Xi'an 710032, China.
Diagnostic microbiology and infectious disease
|January 8, 2025
概括
这项研究开发了重症监护室 (ICU) 中脑梗塞患者的败血症预测模型. 随机生存森林 (RSF) 模型在预测败血症发生方面表现出卓越的表现.
科学领域:
- 关键护理医学 关键护理医学
- 神经学 神经学
- 传染性疾病 传染性疾病
背景情况:
- 败血症对重症监护室 (ICU) 中脑梗塞患者构成重大风险.
- 精确预测败血症对于及时干预和改善患者结果至关重要.
- 开发可靠的预测工具对于这种脆弱人群的败血症是必不可少的.
研究的目的:
- 构建和验证一个名图和随机生存森林 (RSF) 模型,用于预测脑梗塞的ICU患者的败血症.
- 在这个患者队列中确定与败血症发展相关的关键风险因素.
- 为了比较名图和RSF模型的预测性能.
主要方法:
- 利用了1963名患者在密集护理IV (MIMIC-IV) 数据库中的医疗信息中心的数据.
- 用于特征选择的Cox回归和最小绝对收缩和选择运算符 (Lasso) 回归.
- 将数据分为培训 (70%) 和验证 (30%) 集,用于模型开发和评估.
主要成果:
- 确定的危险因素包括特定的药物 (例如,阿诺洛尔,万科米辛),实验室值 (例如,淋巴细胞百分比,白细胞) 和并发症 (例如,心力衰竭,狂犬病).
- 命名图实现了曲线下的面积 (AUC) 从0.736到0.808.
- RSF模型显示出更高的预测准确度,AUC从0.768到0.913.
结论:
- 诺米图和RSF模型都能可靠地预测脑梗塞的ICU患者的败血症.
- 与名ogram相比,RSF模型表现出优越的性能.
- 这些模型可以帮助临床医生在早期毒症检测和及时管理,潜在地改善患者的预后.
