在急诊室设置中广泛使用,可定位的败血症早期检测模型的外部验证
Danielle Currey1, Yasir Tarabichi2
1School of Medicine, Case Western Reserve University, Cleveland, OH, USA; Center for Clinical Informatics Research and Education, MetroHealth, Cleveland, OH, USA.
The American journal of emergency medicine
|July 29, 2025
概括
史诗性败血症模型V2显示了比V1.1更好的败血症预测准确度. 然而,这两种模型在临床识别后经常提醒败血症,这表明早期败血症检测有改进的余地.
科学领域:
- 关键护理医学 关键护理医学
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 败血症预测算法帮助临床医生,史诗性败血症模型被广泛使用.
- 最初的物流回归模型 (V1) 有不一致的外部验证结果.
- 更新的梯度增强树模型 (V2) 是局部适应的,但缺乏独立的外部验证.
研究的目的:
- 为了比较史诗性败血症模型V1和V2.2.的性能.
- 评估模型歧视使用AUC-ROC在败血症发作和临床认可之前.
- 评估与临床识别有关的败血症警报的及时性.
主要方法:
- 对35,076次急诊室遭遇的回顾性研究.
- 对V1和V2的接收器运行特征曲线 (AUC-ROC) 下的比较面积.
- 在败血症-3标准和临床指标 (抗生素,培养,乳酸序列) 之前分析模型性能.
主要成果:
- 与V1 (AUC-ROC 0.77) 相比,V2显示出更高的歧视 (AUC-ROC 0.90).
- 在考虑临床认可前的警报时,性能下降:V1 AUC-ROC 0.70,V2 AUC-ROC 0.85.
- 在大多数情况下,这两种模型在临床识别后发出了败血症警报,V1和V2仅在33.0%和33.5%的病例中预测更早,分别在60%的敏感度下.
结论:
- 史诗性败血症模型V2提供了比V1更好的预测准确性.
- 在临床识别后,V1和V2模型都经常对败血症发出警报.
- 需要进一步开发,以提高败血症预测模型的早期检测能力.
