构建和验证急性胰腺炎患者替代疗法风险预测模型
Fei Zuo1,2, Lei Zhong3,2, Jie Min3,2
1Department of Gastroenterology, Huzhou Central Hospital, Affiliated Central Hospital of Huzhou University, Huzhou, 313000, China.
European journal of medical research
|February 5, 2025
概括
一个新的拉索-逻辑回归模型准确地预测了急性胰腺炎患者需要替代疗法的需要. 这种工具有助于临床医生管理急性胰腺炎的重症监护决策,需要脏替代疗法.
科学领域:
- 关键护理医学 关键护理医学
- 腎臟病學 (nephrology) 是一種醫學專業.
- 在医疗保健中的数据科学.
背景情况:
- 急性胰腺炎 (AP) 经常需要脏替代疗法 (RRT).
- 预测患有AP的重症监护室 (ICU) 患者的RRT需求具有临床意义.
- 开发准确的预测模型可以优化患者管理和资源配置.
研究的目的:
- 开发和验证机器学习模型,用于预测AP患者的RRT需求.
- 确定影响RRT需要AP的关键临床因素.
- 评估AP中RRT预测模型的临床实用性.
主要方法:
- 从MIMIC-IV数据库对AP患者的回顾性分析.
- 开发四种机器学习模型,使用最小绝对收缩和选择运算符 (LASSO) 回归来进行特征选择.
- 使用单独的培训和验证队列验证模型.
- 使用夏普利添加式扩展 (SHAP) 和名ogram构造的模型解释和可视化.
主要成果:
- 拉索-逻辑回归 (Lasso-LR) 模型显示出高的预测准确性 (AUROC 0.955培训,0.985验证).
- 根据决策曲线分析 (DCA),该模型显示出出色的校准和显著的临床实用性.
- 在41个初始变量中,确定了用于RRT预测的四个关键临床因素.
结论:
- 拉索-LR模型是一个强大而准确的工具,用于预测AP患者的RRT需求.
- 该模型具有在重症监护机构临床应用的巨大潜力.
- 该研究强调了机器学习在预测急性胰腺炎的结果方面的价值.
