相关实验视频
Updated: May 24, 2025
05:37
An R-Based Landscape Validation of a Competing Risk Model
Published on: September 16, 2022
2.0K
机器学习模型的多中心验证,以预测在出院后48小时内重症监护室再入院的情况
Leerang Lim1, Mincheol Kim2,3, Kyungjae Cho2
1Department of Anesthesiology and Pain Medicine, Seoul National University College of Medicine, Seoul National University Hospital, 101 Daehak-ro, Jongno-gu, Seoul, 03080, Republic of Korea.
EClinicalMedicine
|March 4, 2025
概括
一个新的机器学习模型iREAD准确地预测了在48小时内重症监护室 (ICU) 的再入院情况. 该工具的性能优于传统的评分系统,提高了患者的安全性,并为高风险人群指导临床决策.
科学领域:
- 医疗保健中的机器学习
- 关键护理医学 关键护理医学
- 患者安全和结果.
背景情况:
- 重新入住重症监护室 (ICU) 是一个关键的患者安全指标.
- 目前的下放决定缺乏标准化的指导方针,依赖于主观评估.
- 需要客观的工具来预测早期的ICU再接收.
研究的目的:
- 开发和验证一种机器学习模型 (iREAD) 以预测在48小时内重返ICU的情况.
- 将iREAD的性能与传统的评分系统和传统的机器学习模型进行比较.
主要方法:
- 使用30个输入特征 (人口统计,生命体征,实验室值等) 开发了一个集成机器学习模型iREAD. ) 的情况.
- 该模型是根据首尔国立大学医院 (SNUH) 的数据进行训练,并使用MIMIC-III和eICU-CRD数据集进行验证.
- 使用接收器运行特征曲线下的面积 (AUROC) 和卡普兰-梅尔分析来评估性能.
主要成果:
- 与其他模型相比,iREAD在所有队列中表现出优异的性能 (P < 0.001).
- 内部验证显示AUROC为0.771 (早期),0.834 (晚期) 和0.820 (整体) 的ICU再入院.
- 外部验证 (MIMIC-III,eICU-CRD) 显示整体再接收的AUROC分别为0.768和0.725.
- 卡普兰-梅尔分析表明,iREAD在48小时内发现了超过40%的高风险患者被重新录取,比传统得分提高了4倍以上.
结论:
- 该iREAD模型在预测ICU再入院48小时内显著优于现有方法.
- iREAD识别高风险患者的能力可能有助于指导改善患者护理的临床决策.
- 由于外部数据集的性能差异,建议对多种不同人群进行进一步的前性验证.
