机器学习模型使用MIMIC-IV数据预测糖尿病神经病变患者的死亡风险

科学领域:

• 医疗信息学医学信息学
• 计算生物学是一种计算生物学.
• 临床研究临床研究

背景情况:

• 糖尿病神经病变 (DN) 是糖尿病的常见并发症,与死亡风险增加有关.
• 预测DN患者的死亡率对于及时干预和改善结果至关重要.
• 当前的风险分层方法可能会从先进的分析方法中受益.

研究的目的:

• 开发和验证可解释的机器学习 (ML) 模型,用于预测DN患者的住院死亡风险.
• 确定与该患者群体死亡率相关的关键风险因素.
• 评估ML模型的临床实用性,以支持DN患者的决策.

主要方法:

• 利用了来自密集护理医疗信息中心 (MIMIC-IV) 数据库的数据,包括1,313名DN患者.
• 雇佣最低绝对收缩和选择操作员 (LASSO) 进行风险因素选.
• 使用随机森林 (RF),XGBoost,SVM和物流回归 (LR) 构建并比较死亡率预测模型.
• 使用夏普利添加式扩展 (SHAP) 分析解释了表现最好的模型.

主要成果:

• 随机森林 (RF) 模型实现了最高的性能,在验证集上,曲线下的面积 (AUC) 为0.780.
• 红细胞分布宽度 (RDW) 平均值被确定为死亡率的最重要的预测指标.
• 可解释的ML模型表现出强大的预测能力.

结论:

• 机器学习为预测糖尿病神经病变患者的死亡风险提供了一个有希望的方法.
• 可解释的ML模型可以提供对风险因素的宝贵见解,潜在地改善临床决策和患者预后.
• 这些模型的进一步验证和实施可以提高对DN患者的护理.