基于机器学习的评分模型,用于预测ICU住院的缺血性中风患者的死亡率,这些患者有中度至严重的意识障碍

科学领域:

• 神经学 神经学
• 人工智能在医学中的应用
• 关键护理医学 关键护理医学

背景情况:

• 卒中是全球死亡和残疾的主要原因之一.
• 患有中度至重度意识障碍的缺血性中风患者构成了高危人群.
• 预测模型对于管理这种患者群体至关重要.

研究的目的:

• 开发和验证一个自动化的机器学习评分系统.
• 预测短期 (3,7天) 和长期 (30,90天) 的死亡率.
• 帮助高风险中风患者的临床决策.

主要方法:

• 来自MIMIC-IV数据库 (GCS ≤12) 的648名缺血性中风患者的回顾性分析.
• 排除具有言语功能障碍但清醒意识的患者.
• 利用AutoScore框架识别顶级预测因素并构建机器学习模型.

主要成果:

• 观察到的死亡率为:8.02% (3天),18.67% (7天),33.49% (30天),38.89% (90天). 死亡率为:8.02% (3天),18.67% (7天),33.49% (30天),38.89% (90天). 死亡率为:
• 死亡率预测模型的曲线下面面积 (AUC) 范围从0.678到0.730.
• 开发的模型证明了有效的预测性能.

结论:

• 开发并验证了一种新的机器学习评分工具.
• 该工具准确预测有意识障碍的缺血性中风患者的死亡率.
• 该系统可以改善ICU中的临床决策和资源分配.