使用可解释的机器学习模型,预测90天脆弱阶段危急心力衰竭患者的再入院率
Meng-Han Jiang1, Fang Yu2, Hai-Ying Yang1
1Department of Clinical Pharmacy, The 920th Hospital of Joint Logistics Support Force, PLA, China; College of Pharmacy, Dali University, Dali, China.
Clinics (Sao Paulo, Brazil)
|September 12, 2025
概括
重症心力衰竭 (HF) 患者的重收率仍然很高. 结合并发症和药物的新模型,如精神分析药物,在预测HF再入院风险方面表现有前途.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 预测分析是一种预测分析.
背景情况:
- 危急心力衰竭 (HF) 患者在易受伤害的出院后期面临高的再入院率.
- 现有的预测模型往往缺乏关于并发症和药物历史的全面数据,限制了它们的准确性.
研究的目的:
- 为心力衰竭再入院风险开发可解释的预测模型.
- 为了确定与HF再入院相关的关键并发症和药物.
主要方法:
- 利用来自MIMIC-IV和MIMIC-III数据库的重症肺炎患者数据进行培训和验证.
- 构建并评估了四种预测模型,包括神经多任务后勤回归 (NMTLR).
- 采用沙普利增量解释 (SHAP) 来解释特征重要性和模型简化.
主要成果:
- 该NMTLR模型取得了优异的预测性能,AUC为0.752 (内部) 和0.785 (外部).
- SHAP分析显示并发症和药物,包括精神分析药物,作为显著的预测因素.
- 一个紧的NMTLR模型也展示了强大的预测能力.
结论:
- 完整和紧的NMTLR模型都能有效地预测心力衰竭的再入院.
- 精神分析药物成为HF再入院的潜在新型预测剂,需要进一步的临床调查.
更多相关视频
04:05Author Spotlight: Unveiling Prognostic Indicators in Heart Failure - The Role of Phase Angle and Bioelectrical Impedance Analysis
Published on: June 30, 2023
2.8K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.6K
