应用机器学习建立北京协和医院急性肾损伤预测模型:单中心研究计划
研究背景及目的 院内急性肾损伤(acute kidney injury,AKI)是住院患者住院时间延长和预后不良的独立危险因素.利用住院电子病历系统(electronic medical record,EMR)早期预警模型对AKI进行识别并及时干预,对降低AKI发生率、减轻AKI严重程度并改善患者预后具有重要意义.目前基于EMR的AKI相关研究主要针对单学科病房住院患者,采用传统统计学方法进行回顾性分析,尚缺乏基于人工智能技术的大规模多学科病房含时效信息的AKI风险预警模型并以此进行前瞻性干预的研究.本研究计划基于全病程全病历系统收集住院患者的完整临床信息,通过大样本数据及机器学习算法,旨在建立多学科病房的AKI预测模型.方法 本研究计划分为回顾性研究和前瞻性研究两部分.回顾性研究中,纳入2016年1月1日至2020年12月31日北京协和医院所有成年住院患者.通过全病程全病历系统,收集其一般资料、临床诊断、生命体征、实验室检查结果和住院病历等相关信息,采用Logistic回归、朴素贝叶斯、随机森林、支持向量机、梯度提升决策树、循环神经网络的机器学习算法,构建可预测AKI发生风险的预警模型,并对模型的准确性进行验证.前瞻性研究纳入北京协和医院连续12个月的所有成年住院患者.其中AKI预警系统启动前6个月的所有成年住院患者为对照组,AKI预警系统启动后6个月的所有成年住院患者为干预组.干预组中,将AKI预警系统嵌入EMR,对所有住院24 h以上的患者每6小时进行1次实时未来48 h内AKI风险评估,并对高危患者进行早期干预.对照组无AKI风险评估及报警提示,无相应干预措施.比较两组患者AKI与AKI3级发生率、AKI缓解率、终末期肾病进展率、住院期间死亡率及住院时间、住院费用等指标差异.预期结果 回顾性研究中,共纳入约127 000例住院患者,其中院内AKI患者14 605例.构建的多学科病房AKI预测模型可提前24-48 h预测住院患者发生AKI的风险,其中提前24 h预测AKI的受试者工作特征曲线下面积>0.80.前瞻性研究中,纳入34 748例住院患者,其中干预组和对照组均为17 374例.干预组肾脏替代治疗的时间、住院时间较对照组缩短(P<0.05),肾脏替代治疗的比例、AKI与AKI3级发生率、终末期肾病进展率、住院期间死亡率、住院费用均低于对照组(P<0.05),AKI缓解率高于对照组(P<0.05).预期结论 基于EMR构建的多学科病房AKI预测模型可提前24-48 h预测住院患者发生AKI的风险,降低AKI发生率及其严重程度,改善患者预后.
急性肾损伤;机器学习;多学科病房;预测模型
12
R445(诊断学)
国家自然科学基金;首都卫生发展科研专项;北京市自然科学基金-海淀原始创新联合基金资助项目;北京市示范性研究型病房建设项目;北京协和医学院2020年度校级本科教育教学改革立项项目;北京市科技重大专项首都临床特色应用研究;成果推广;中央高校基本科研业务费项目;中国医学科学院医学与健康科技创新工程
2021-12-08(万方平台首次上网日期,不代表论文的发表时间)
共9页
913-921