相关实验视频
Updated: May 11, 2025
07:42
A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
121
在创伤引起的败血症中预测多器官功能障碍综合征:诺莫图和机器学习方法
Jinyu Peng1,2, Yun Li1,2, Chao Liu2
1Medical School of Chinese PLA, Beijing, China.
Journal of intensive medicine
|April 17, 2025
概括
新的名图和机器学习模型准确地预测创伤性败血症患者的多器官功能障碍综合征 (MODS). 这些工具改善了早期风险分层,有助于临床决策,并可能改善患者的治疗结果.
科学领域:
- 关键护理医学 关键护理医学
- 创伤外科手术是什么
- 败血症的研究研究.
背景情况:
- 多器官功能障碍综合征 (MODS) 是患有败血症的创伤患者的严重并发症,导致高死亡率.
- 早期准确预测MODS对于及时干预和改善患者结果至关重要.
研究的目的:
- 开发和验证创伤诱导性败血症患者中MODS的预测模型.
- 为了比较名录和机器学习模型与传统评分系统的性能.
主要方法:
- 使用MIMIC-IV数据库 (2008-2019) 进行的回顾性队列研究.
- 使用初始24小时ICU数据开发和验证名录和机器学习模型.
- 通过Boruta算法进行特征选择;使用歧视,校准和决策曲线分析进行性能评估.
主要成果:
- 在1295名创伤性败血症患者中,349名患者 (26.95%) 患有MODS,MODS患者的死亡率较高 (23.82%对11.21%).
- 关键预测因素包括SAPS II评分,机械通风和血管压缩剂的使用.
- 在时间验证中,Nomogram (AUC 0.757) 和随机森林 (AUC 0.769) 模型在时间验证中表现优于传统系统.
结论:
- 诺莫图和机器学习模型为创伤性败血症中MODS提供了更高的预测准确性.
- 这些模型可以帮助早期风险分层和临床决策.
- 建议进行进一步的外部验证,以确认可通用性.
