开发一种基于机器学习的预测模型,用于老年成人重症监护室患者的术后妄想:回顾性研究
Houfeng Li1, Qinglai Zang2,3, Qi Li2,4
1Graduate School, Hebei North University, Zhangjiakou, China.
Journal of medical Internet research
|June 19, 2025
概括
一个新的XGB模型准确地预测了老年ICU患者的妄想. 该工具有助于早期识别和个性化护理,通过在入院数小时内预测妄想风险,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
- 老年医学 老年医学
- 在医疗保健中的数据科学.
背景情况:
- 痴呆症在老年重症监护室 (ICU) 患者中很常见,增加并发症并对预后产生负面影响.
- 早期识别高风险患者对于有效管理至关重要.
研究的目的:
- 在老年ICU患者中开发和验证术后痴呆症的预测模型.
- 为了及时识别患有妄想症高风险的个体.
- 支持临床决策,以优化患者护理.
主要方法:
- 利用MIMIC-IV和eICU-CRD数据库中的数据进行培训,内部和外部验证.
- 采用Boruta特征选择和比较后勤回归,支持矢量分类器,随机森林和XGBoost模型.
- 使用AUC,Brier分数和12h,24h,48h和整个停留时间的预测窗口的决策曲线分析来评估模型性能.
主要成果:
- XGBoost模型显示出优异的预测性能,AUC在内部和外部验证集中范围从0.737到0.852.
- 关键预测因素包括第一天妄想评估,护理单位类型,最低GCS得分,APS III,乙氨基和NSAIDs.
- 该模型显示了精确的校准和优异的净增益,与其他模型相比.
结论:
- 一个高性能XGBoost模型用于预测老年ICU患者的痴呆症成功开发和验证.
- 该模型可以在入院后的不同时间点早期预测妄想风险.
- 为高风险患者提供个性化管理策略和护理计划.
关键词:
XGB XGB XGB 的意思是什么?人工智能的人工智能是人工智能.妄想 妄想 妄想 妄想 妄想妄想评估 妄想评估极端的梯度增强了极端的梯度.重症监护室的重症监护室是重症监护室的重症监护室.机器学习是机器学习.年龄较大的成年人.预测建模预测建模
