临床亚型,预后和ICU急性胆道炎患者的治疗之间的关系,使用无监督机器学习方法

科学领域:

• 关键护理医学 关键护理医学
• 胃肠病学 胃肠病学
• 数据科学在医学中的数据科学

背景情况:

• 急性胆道炎 (AC) 呈现出临床异质性,目前的严重程度分类在重症患者的预后价值有限.
• 在重症监护室 (ICU) 设置中的AC亚型仍未得到充分探索.

研究的目的:

• 通过使用无监督分析,在重症患者中识别AC的不同临床亚型.
• 加强个人化风险评估和AC的治疗策略.
• 开发和验证一个简化的预后模型.

主要方法:

• 从MIMIC-IV数据库中对ICU患有AC患者的回顾性分析.
• K-表示对24个临床变量进行集群,用于亚型识别.
• 多变量考克斯回归和夏普利添加式解释 (SHAP) 用于结果和变量分析.
• 在外部MIMIC-III队列中验证简化模型.

主要成果:

• 确定了两种亚型:轻度炎症 (n=451) 和炎症功能障碍 (n=348).
• 炎症功能障碍亚型的28天死亡率显著更高 (30.17%对5.32%),是死亡率的独立预测因素.
• 在炎症功能障碍亚型中,ERCP与较低的死亡率相关,而PTCD与较高的死亡率相关.
• 一个简化的五变量模型显示了强大的区分性能 (AUC=0.87) 并得到了外部验证.

结论:

• 鉴定和验证了两种具有临床意义的AC亚型,具有不同的预后.
• 使用易于获得的变量的简化,数据驱动的模型可以帮助个性化AC管理.
• 这些亚型提供了超出当前指导方针的预后歧视,支持AC护理中的精准医学方法.