开发和外部验证一个预测模型,用于长时间的ICU停留心力衰竭患者的心脏衰竭患者
Erming Yang1, Xingyue He1, Linbo Li1
1Nursing College of Shanxi Medical University, Taiyuan, Shanxi, China.
European journal of cardiovascular nursing
|April 28, 2025
概括
一个新的XGBoost模型准确地预测了心力衰竭患者在重症监护室 (ICU) 长时间停留的情况. 这种工具有助于风险分层,可能改善患者的治疗结果并降低医疗保健成本.
科学领域:
- 心脏病学 心脏病学
- 密集护理医学 密集护理医学
- 医疗保健中的机器学习
背景情况:
- 长时间在重症监护室 (ICU) 住院的心力衰竭患者与不良预后和严重的财务负担有关.
- 有效的风险分层对于管理这些患者和优化资源配置至关重要.
研究的目的:
- 开发和验证基于机器学习的预测模型,用于识别长时间ICU住院的高风险心力衰竭患者.
- 在歧视,校准和临床实用性方面评估模型的性能.
主要方法:
- 一项回顾性队列研究,利用来自多家美国医院的5,744名心力衰竭患者 (发育) 和4,056名患者 (外部验证) 的数据.
- 使用最小绝对收缩和选择操作员 (LASSO) 和后勤回归来进行特征选择.
- 评估了9个机器学习算法,XGBoost被选为最佳模型.
主要成果:
- XGBoost模型表现出强大的预测性能,在内部验证集中,曲线下的面积 (AUC) 为0.861,在外部验证集中为0.815.
- 关键预测因素包括恶性心律不整,急性损伤 (AKI),顺序器官衰竭评估 (SOFA) 评分,呼吸声,膜疾病,静脉血压,利尿剂,血尿素,SpO2和心脏导管.
- 该模型显示了强大的歧视,校准和临床实用性.
结论:
- 开发的XGBoost模型是对心力衰竭患者长期ICU住院风险分层的可靠工具.
- 这种预测能力可以为改善患者护理的临床决策和资源管理提供信息.
