开发和验证可解释的机器学习模型,用于糖尿病和败血症患者的早期预测

科学领域:

• 关键护理医学 关键护理医学
• 内分泌学 在内分泌学.
• 生物统计学 生物统计学

背景情况:

• 糖尿病患者的败血症是一个重大的临床挑战,死亡率高.
• 有效地预测生存率对于及时和有针对性的干预至关重要.

研究的目的:

• 确定和验证糖尿病和败血症患者28天生存的关键预测因素.
• 开发一个用于临床决策的预测性诺莫格拉姆模型.

主要方法:

• 对303名糖尿病和败血症患者进行了回顾性队列研究.
• 最小绝对收缩和选择操作员 (LASSO) 用于特征选择.
• 用于生存预测的物流回归和名ogram开发.

主要成果:

• 确定了六个关键预测因素:年龄,意识,pH,AST,肌球蛋白和机械通风.
• 诺莫格拉姆显示出极好的预测准确性 (C指数=0.833,AUC=0.833).
• 模型显示了良好的区分能力和临床实用性,跨越了生存概率的范围.

结论:

• 一个经过验证的诺莫格拉姆模型准确地预测了糖尿病和败血症患者的28天生存期.
• 这种工具可以帮助医疗保健专业人员为这种高风险人群做出临床决策.