需要体外膜氧化治疗的患者的住院死亡率预测,使用复合乳酸盐度量和证据重量建模

科学领域:

• 关键护理医学 关键护理医学
• 生物医学工程 生物医学工程
• 在医疗保健中的数据科学.

背景情况:

• 在体外膜氧化 (ECMO) 的成年患者中准确预测死亡率仍然是一个重大的临床挑战.
• 目前的方法缺乏确定的准确性,需要开发改进的预测工具.

研究的目的:

• 评估基于乳酸盐的复合指标和机器学习 (ML) 模型在改善ECMO患者住院死亡预后方面的有效性.
• 为了比较这些新方法的预测性能与单纯的乳酸.

主要方法:

• 一项回顾性研究包括104名成年ECMO患者 (2022-2024年).
• 复合指标来自乳酸和酸标记;它们的意义被评估与乳酸单独使用本杰明尼-霍赫伯格校正.
• 基于LIME特征归因的多层感知子 (MLP) 模型和证据权重 (WoE) 模型是使用初始实验室值开发的.

主要成果:

• 复合指标 (平均动脉乳酸盐 × 平均动脉二碳酸盐) 在未幸存者中显著升高,单独优于乳酸盐 (FDR调整后p = 4.49 x 10-4).
• 一个MLP模型 (100x50架构) 实现了85%的准确度,87%的精度,AUC为0.879.
• 结合关键实验室值的WoE模型显示了80%的准确性和0.886.88的AUC.

结论:

• 复合乳酸指标和WoE模型显著改善了ECMO患者的住院死亡率预测.
• 这些发现表明,在重症监护预后方面取得了有前途的进展.
• 建议进行进一步的前性研究和外部验证,以确认这些结果.