患有败血症的重症患者的临床亚型:验证和节的分类器模型开发
Rombout B E van Amstel1, Emma Rademaker2, Jason N Kennedy3
1Department of Intensive Care Medicine, Amsterdam UMC, Location University of Amsterdam, Meibergdreef 9, 1105 AZ, Amsterdam, The Netherlands. r.b.vanamstel@amsterdamumc.nl.
Critical care (London, England)
|February 5, 2025
概括
这项研究验证了不同ICU队列中的败血症亚型,发现了不同的分布和死亡率. 一个简单的3变量模型准确地识别了三角形性败血症患者,帮助个性化医学.
科学领域:
- 关键护理医学 关键护理医学
- 败血症病理生理学病理生理学
- 个性化医疗是个性化的医疗.
背景情况:
- 败血症亚型分类对于个性化医疗至关重要,但缺乏跨不同患者群体的验证.
- 现有的SENECA亚型需要在更大的多中心重症监护室 (ICU) 队列中进行验证.
- 需要一个简单的,临床上适用的模型来判断败血症亚型.
研究的目的:
- 在多个大型ICU队列中验证SENECA临床败血症亚型 (α,β,γ,δ).
- 为在临床实践中准确判断δ型败血症开发节的分类器模型.
主要方法:
- 利用了来自四个大型ICU队列 (MARS,MARS2,NICE,MIMIC-IV) 的数据,其中包括超过52,000名败血症患者.
- 应用的k-means对临床变量进行聚类,以评估最佳类数量,并与SENECA亚型进行比较.
- 开发并验证了节后勤回归模型,以预测败血症亚型的成员资格.
主要成果:
- 败血症亚型的分布在美国和欧洲队列之间有显著差异,在α,β,γ和δ类型的流行率上有显著差异.
- 住院死亡率在各个分型 (α,γ,δ) 和各个队列 (p < 0.001) 之间有显著差异.
- 一个三变量模型 (酸氨基转移酶,血清乳酸盐,二碳酸盐) 在识别d型败血症患者方面表现出极好的准确性 (AUC 0.93).
结论:
- 临床败血症亚型的分布和相关的死亡率在地理位置上有所不同.
- 一个节的3变量模型有效地识别了d型败血症,促进了其临床应用和个性化治疗策略.
