基于机器学习的预测,在重症监护病人的子综合症 Delirium
Weiguang Wen1, Xue Bai2, Huimiao Jing3
1Weiguang Wen is a master's degree candidate, School of Nursing, Shandong First Medical University and Shandong Academy of Medical Sciences, Taian, Shandong, China.
概括
一个机器学习模型可以预测重症监护室 (ICU) 患者的亚症候群妄想. 早期识别高风险患者可以及时进行干预,改善结果并降低成本.
科学领域:
- 关键护理医学 关键护理医学
- 医疗保健中的人工智能
- 预测分析是一种预测分析.
背景情况:
- 副综合征性妄想是重症监护室 (ICU) 患者经常出现的并发症.
- 它与长时间住院,医疗费用增加和病人的预后较差有关.
- 开发早期干预方法对于改善患者的治疗结果至关重要.
研究的目的:
- 开发和验证基于机器学习的模型,用于预测ICU患者的亚症候 Delirium 的风险.
- 为了确定该患者群体中亚症候群 Delirium 的关键预测因素.
主要方法:
- 一项前性队列研究,涉及447名ICU患者.
- 使用最少绝对收缩和选择运算符 (LASSO) 和多变量逻辑回归来识别八个独立预测因素.
- 构建和验证四个机器学习模型和一个物流回归模型.
主要成果:
- 在ICU患者中,子综合征性狂妄症在20.1%的患者中存在.
- 关键预测因素包括睡眠问卷分数,镇静剂使用,克制使用,代疗法/ECMO,腹内压力,前白蛋白水平,酒精史和中风.
- 随机森林模型表现出最好的表现,AUC为0.885.
结论:
- 机器学习模型,特别是随机森林,在预测ICU患者的亚症候群 Delirium 风险方面表现有前途.
- 使用经过验证的模型进行早期查可以促进个性化干预策略.
- 实施这些模型可能会改善患者的预后,并减少医疗保健支出.
