开发和验证基于网络的,可解释的败血症和严重烧伤死亡率的预测模型

科学领域:

• 医学研究
• 计算生物学
• 创伤手术

背景情况:

• 广泛的烧伤 (≥50%的总体表面积) 与高血和死亡率有关.
• 识别风险因素和开发预测模型对于管理这些严重病例至关重要.

研究的目的:

• 确定严重烧伤患者的败血症和死亡风险因素.
• 开发准确和可解释的机器学习模型来预测败血症和死亡率.

主要方法:

• 对237名严重烧伤患者的回顾性队列研究 (2012-2023年).
• 应用了十种机器学习算法 (例如,随机森林,梯度增强树) 来预测败血症和死亡率.
• 使用AUC,精度,回忆,精度,F1得分进行评估模型;与SOFA得分进行比较;使用SHAP进行解释.

主要成果:

• 主要的败血症预测指标:SOFA评分,新冲击,白蛋白,BUN,三度烧伤区域,TBSA烧伤,白细胞计数,吸入损伤.
• 主要死亡预测指标:ALT,SOFA得分,烧伤类型,新的冲击,三度烧伤区域,TBSA烧伤,败血症.
• 随机森林模型实现了高败血症预测 (AUC=0.977);梯度增强树模型在死亡率预测方面表现出色 (AUC=0.981).

结论:

• 机器学习模型 (RF,GBT) 可以有效预测严重烧伤患者的败血症和死亡率.
• SHAP分析提高了临床解释和早期干预的模型透明度.
• 开发了基于网络的计算器,以帮助临床决策和改善患者的结果.