基于机器学习的模型用于预测登革热休克综合征患者的住院死亡率
Luan Thanh Vo1, Thien Vu2,3, Thach Ngoc Pham1
1Department of Infectious Diseases, Children's Hospital No. 2, Ho Chi Minh City 700000, Viet Nam.
World journal of methodology
|August 29, 2025
概括
机器学习模型现在可以预测登革热休克综合征 (DSS) 的儿童住院死亡风险. 关键预测因素包括年龄,性别,疾病严重程度和实验室值,有助于改善儿童登革热患者的治疗策略.
科学领域:
- 儿童重症监护医疗
- 医疗保健中的机器学习
- 传染病流行病学
背景情况:
- 严重的登革热,特别是登革热休克综合征 (DSS),与高的儿童死亡率 (1-20%) 相关.
- 目前缺乏对儿科DSS的住院死亡率的预测模型.
研究的目的:
- 开发和评估用于预测DSS儿童住院死亡风险的机器学习模型.
主要方法:
- 对1278名儿童DSS患者 (2013-2022) 的回顾性单中心研究.
- 使用监督机器学习模型 (逻辑回归,天真贝叶斯,RF,KNN,决策树,XGBoost) 采用过量采样方法.
- 使用Shapley添加式解释识别了关键预测特征.
主要成果:
- 随机森林 (RF) 和极端梯度提升 (XGBoost) 模型显示出最高的预测性能.
- 死亡的重要预测因素包括年轻年龄,女性性别,并发症,严重的透氨酸炎,出血,血小板数量低,INR升高,乳酸,肌素,大量的液体复苏,以及高的血管活性- 异位数.
结论:
- 开发了强大的机器学习模型来估计儿科DSS的死亡风险.
- 结果可以为临床管理策略提供信息,以改善患有DSS的儿童的生存结果.
