基于机器学习的机器图谱用于血性肝硬化患者的死亡风险分层:单中心预测模型
Xing-Cheng Zhang1,2, Bo-Wen Li3, Xi-Qun Lei2
1The First Department of Critical Care Medicine, The Second Affiliated Hospital of Anhui Medical University, Hefei, Anhui, China.
Frontiers in medicine
|November 6, 2025
概括
一种新的诺莫格拉姆模型有效地预测了性肝硬化患者的住院死亡率. 这种工具有助于临床决策和高风险个体的早期干预.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 关键护理医学 关键护理医学
- 医疗信息学 医疗信息学
背景情况:
- 败血症是肝硬化患者的一种危及生命的并发症.
- 在这个人群中预测住院死亡率对于及时干预至关重要.
- 现有的预测模型可能缺乏准确性或临床实用性.
研究的目的:
- 开发和验证一个基于nomogram的预测模型,用于肝硬化患者的住院死亡率.
- 评估模型的预测准确性和临床有用性.
主要方法:
- 追溯收集了264名肝硬化患者的临床数据.
- 在训练集 (70%) 上使用拉索回归和在单独集 (30%) 上进行验证的预测模型的开发.
- 使用ROC曲线,校准图表和决策曲线分析 (DCA) 评估诺莫грам的性能.
主要成果:
- 诺米图识别了酒精性肝硬化,查尔德-普格评分,机械呼吸,TBiL和HR作为死亡率的独立预测因素.
- 该模型表现出强大的预测性能,AUC为0.81 (训练) 和0.83 (验证).
- 校准图表显示预测和观察到的死亡率之间有很好的一致性,DCA表明显著的临床净益.
结论:
- 开发的诺莫格拉姆模型显示了这一患者队列中住院死亡率的有希望的预测潜力.
- 这种工具可以支持临床决策,并指导高风险患者的早期干预.
- 需要在不同的临床环境中进行进一步的验证,以确认其广泛适用性.


