使用MIMIC-IV和eICU数据库开发和验证基于机器学习的肝硬化症候群在肝硬化患者的预测模型
Fengwei Yao1, Ji Luo1, Qian Zhou1
1Department of Gastrointestinal Surgery, Renmin Hospital, Hubei University of Medicine, Shiyan, Hubei, 442000, People's Republic of China.
Scientific reports
|January 21, 2025
概括
这项研究开发了一种预测模型,用于识别肝硬化患有肝综合征 (HRS) 高风险的肝硬化患者. 该模型使用关键变量用于早期临床干预和改善肝硬化患者的预后.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 腎臟病學 (nephrology) 是一種醫學專業.
- 医疗信息学 医疗信息学
- 机器学习在医学中的应用
背景情况:
- 肝硬化综合征 (HRS) 对肝硬化患者的预后明显恶化.
- 早期识别高风险患者对于及时干预和改善结果至关重要.
研究的目的:
- 开发和验证一个预测模型,用于早期识别肝综合征 (HRS) 肝硬化患者.
- 利用机器学习算法和大规模数据库进行强大的风险预测.
主要方法:
- 利用MIMIC-IV和eICU数据库中的数据进行培训,验证和外部测试.
- 使用LASSO回归,极端梯度提升 (XG提升) 和随机森林 (RF) 进行变量选.
- 使用多变量逻辑回归构建了一个预测模型,并用名ogram来可视化它.
主要成果:
- 确定了与HRS相关的八个关键变量,其中五个关键预测因素是:自发性细菌腹膜炎,红细胞计数,肌素,激活的部分血栓形成时间和总胆红素.
- 最终的模型表现出了出色的预测性能,AUC为0.832 (训练),0.8415 (验证) 和0.8212 (外部测试集).
结论:
- 开发了一种有效和验证的预测模型,用于肝硬化中的HRS.
- 该模型作为早期临床干预的强大工具,有可能改善患者的预后.


