危急病患者在未分离的肝素治疗期间的抗XA因子:使用机器学习开发预测模型
Boris Delange1,2, Guillaume Bouzillé3, Pauline Guillot1
1Service de Maladies Infectieuses et Réanimation Médicale, Hôpital Pontchaillou, Université de Rennes, Rennes, France.
Digital health
|April 29, 2025
概括
机器学习模型可以预测在重症监护病房 (ICU) 治疗未分离肝素 (UFH) 的抗Xa水平. 这有助于临床医生优化UFH剂量和提高患者安全.
科学领域:
- 临界护理医学 临界护理医学
- 药理学 药理学是指药理学的学科.
- 生物统计学 生物统计学
背景情况:
- 未分离的肝素 (UFH) 在ICU中至关重要,但需要精确的剂量来避免不良事件.
- 目前调整UFH剂量的方法具有挑战性,缺乏可靠的算法来预测抗Xa水平.
研究的目的:
- 开发和评估机器学习 (ML) 算法,用于预测UFH治疗期间的抗Xa水平.
- 为临床医生提供工具,以优化重症患者的UFH剂量.
主要方法:
- 一项回顾性队列研究分析了接受UFH治疗的211名危急病患者的数据.
- 机器学习模型使用UFH速率,玻尿酸,功能和其他临床变量进行训练.
- 模型性能使用AUROC和AUPRC指标进行评估.
主要成果:
- 随机森林模型表现出强大的预测性能.
- 获得了0.80的AUROC和0.61的AUPRC,用于预测抗Xa水平.
- 报告的灵敏度为0.56和特异性为0.82.
结论:
- 机器学习模型在预测UFH治疗ICU中的抗Xa水平方面表现有前途.
- 进一步的前性,多中心验证是必要的,以确认可通用性和临床实用性.
- 这些模型可以帮助临床医生优化肝素剂量,以改善患者的治疗结果.


