常规实验室测试预测D-Dimer水平≥2μg/mL的患者的72小时死亡率:比较统计和机器学习模型的回顾性队列研究
Shuma Hayashi1, Ryoko Hayashi1, Kayoko Nakamura2
1Division of General Medicine, Department of Comprehensive Medicine 1, Jichi Medical University, Saitama Medical Center, Saitama, Japan.
Journal of clinical laboratory analysis
|September 3, 2025
概括
机器学习模型使用常规实验室测试准确地预测D-二次体水平升高的患者在72小时内死亡. 轻GBM在早期风险分层方面表现出卓越的表现.
科学领域:
- 临床诊断
- 生物医学数据分析
- 预测模型
背景情况:
- D-二次元是预后标志物,但对各种疾病的短期死亡预测研究不足.
- 有限的临床信息通常伴随着D-二次元测量.
研究的目的:
- 开发和比较72小时死亡率的预测模型,患者的D-二次数≥2μg/mL.
- 使用常规实验室变量进行风险分层.
主要方法:
- 对5158名患者进行了回顾性分析,对5550名患者进行了外部验证.
- 多变量逻辑回归分析 (MLRA) 与四种机器学习 (ML) 模型的比较:预测一,LightGBM,XGBoost和CatBoost.
- 使用40种常规实验室检测,年龄和性别作为预测因素.
主要成果:
- 72小时死亡率为4. 67%,其中内疾病,恶性瘤和败血症是主要的死亡原因.
- MLRA确定了年龄,总蛋白质,胆固醇,阿斯巴酸氨基转移酶和D-二次体作为关键预测因素 (AUC为0. 829).
- 轻GBM实现了最高的性能 (AUC为0.987),显著优于其他ML模型和MLRA.
结论:
- 机器学习模型,特别是LightGBM,有效地预测D-二次数升高的患者的短期死亡率.
- 这些模型可以利用现有的实验室数据及时分类风险并做出决策.
- 当临床数据稀缺时,可以利用常规实验室测试来早期识别高风险患者.
