相关实验视频
Updated: Jan 14, 2026
07:42
A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
476
预测感染相关脑病变的ICU死亡率的nomogram:基于MIMIC-IV和eICU-CRD的回顾性队列研究
Xuemei Hu1,2, Jianbao Wang1,2, Shaowei Wang1,2,3
1The Second Department of Intensive Care Unit, The Second Affiliated Hospital of Anhui Medical University, 678 Furong Road, Hefei, Anhui Province, 230601, China.
BMC medical informatics and decision making
|October 17, 2025
概括
这项研究开发了一个名图,用于预测患有败血症相关脑病变 (SAE) 患者的重症监护室 (ICU) 死亡率. 该模型显示出良好的预测准确性,可能有助于对这一高风险群体的早期干预.
科学领域:
- 关键护理医学 关键护理医学
- 神经学 神经学
- 在医疗保健中的数据科学.
背景情况:
- 败血症相关脑病变 (SAE) 是败血症的严重并发症,全球死亡率高.
- 有效预测SAE患者的死亡风险对于及时干预和改善患者结果至关重要.
研究的目的:
- 开发和验证一个实用的名图,用于预测SAE.患者的重症监护室 (ICU) 死亡率.
- 确定与SAE死亡率相关的关键风险因素.
主要方法:
- 使用MIMIC数据库进行模型培训,使用eICU-CRD数据库进行外部验证.
- 采用LASSO回归来识别显著的预测变量并构建名ogram.
- 使用接收器操作特征 (ROC) 曲线,校准曲线,霍斯默-莱梅斯测试和决策曲线分析 (DCA) 评估模型性能.
主要成果:
- 纳米图,包括八个预测变量,显示出强大的区分能力,AUROC值为0.832 (培训) 和0.825 (验证).
- 该模型表现出良好的校准和合适性,在临床实用性方面表现优于SAPS II和SOFA等已有的评分系统.
- 决策曲线分析表明,与SAPS II,SOFA和GCS分数相比,名ogram的净收益更高.
结论:
- 开发的诺莫图谱是预测SAE患者的ICU死亡率的宝贵工具.
- 通过这种模型,早期识别高风险的SAE患者可以促进迅速的干预策略.
- 这种预测模型有可能降低死亡率并改善SAE患者的生活质量.
