在使用Th1/Th2细胞因子的血液恶性瘤中,基于机器学习的血液感染预后模型使用Th1/Th2细胞因子
Qin Li1,2, Nan Lin3, Zuheng Wang4
1Department of Hematology, The First Affiliated Hospital of Guangxi Medical University, Nanning, Guangxi, 530021, China.
BMC infectious diseases
|March 27, 2025
概括
一个新的机器学习模型预测了血液感染的血液恶性瘤患者的30天死亡率. 该模型整合了Th1/Th2细胞因子和临床因素,以提高对这些脆弱患者预测结果的准确性.
科学领域:
- 血液学 血液学 血液学
- 传染性疾病 传染性疾病
- 计算生物学 计算生物学
背景情况:
- 血流感染 (BSI) 是血液恶性瘤 (HM) 患者死亡的主要原因.
- 抗生素耐药性增加使得该群体的BSI管理变得复杂.
研究的目的:
- 分析BSI的HM患者的病原体分布和药物耐药性模式.
- 开发一种新的预测模型,用于经历BSI的HM患者的30天死亡率.
主要方法:
- 追溯分析231名具有阳性血液培养的HM患者.
- 使用了后勤回归和机器学习算法 (包括XGBoost,后勤回归,LightGBM).
- 开发并验证了整合Th1/Th2细胞因子 (IL-4,IL-6) 和临床特征的预测模型.
主要成果:
- 格拉姆阴性细菌是主要的病原体 (64%).
- 30天死亡率的重要预测因素包括年龄,多微生物BSI,IL-4,IL-6和AST水平.
- 开发的物流回归模型表现出强大的预测性能 (AUC 0.802-0.822) 与优秀的校准.
结论:
- 一个基于机器学习的新型模型有效地预测了BSI的HM患者的30天死亡率.
- 该模型整合了关键的Th1/Th2细胞因子和临床特征,显示出强大的性能和临床适用性.
- 这种方法为HM患者的BSI风险分层和管理提供了一个有希望的工具.
