10.3969/j.issn.2095-5227.2019.04.004
ICU患者急性肾损伤发生风险的LightGBM预测模型
目的 基于机器学习模型LightGBM构建ICU患者发生急性肾损伤(acute kidney injury,AKI)的预测模型,为临床医护人员提供辅助决策支持.方法 采用公开的大型ICU数据库重症监护医学信息数据库(MIMIC-Ⅲ)作为数据集,提取1 166例患者,其中男性513例(44.00％),中位年龄70.93岁,75.8％(884例)的患者发展为AKI.以患者入ICU时的生理生化指标为预测变量,预测患者24 h后是否发展为AKI.采用LightGBM构建预测模型,并与logistic回归及随机森林模型进行对比,采用五折交叉验证评价模型性能.结果 结果显示,LightGBM模型对AKI预测的准确率为0.89,AUC为0.92;logistic回归模型和随机森林模型的AUC分别为0.75和0.89,准确率为0.84和0.86.结论 LightGBM在AKI预测模型中表现最优,采用患者入ICU时的生理生化指标,预测模型准确率和AUC可达0.89和0.92.
医疗大数据、MIMIC-Ⅲ数据库、急性肾损伤、LightGBM、预测模型
40
R692.5(泌尿科学（泌尿生殖系疾病）)
国家自然科学基金面上项目61471398;北京市科委医药协同科技创新研究项目Z181100001918023;首长保健专项16BJZ23;解放军总医院医疗大数据研发项目2017MBD-30;解放军总医院医疗大数据研发项目2016MBD-027
2019-08-07（万方平台首次上网日期，不代表论文的发表时间）
共5页
316-320
