10.3760/cma.j.cn121430-20211117-01741
机器学习对创伤合并急性呼吸窘迫综合征患者院内死亡的预测价值
目的:探讨机器学习方法对创伤合并急性呼吸窘迫综合征(ARDS)患者院内死亡的预测价值。方法:采用回顾性非干预性病例对照研究。从于美国重症监护医学信息数据库Ⅲ(MIMICⅢ)数据库中提取符合柏林ARDS标准定义的创伤合并ARDS患者,收集患者的基本信息〔包括性别、年龄、体质量指数(BMI)、pH值、氧合指数、实验室指标、重症监护病房(ICU)住院时间、行机械通气(MV)或连续性肾脏替代治疗(CRRT)比例、急性生理学评分Ⅲ(APSⅢ)、序贯器官衰竭评分(SOFA)和简化急性生理学评分Ⅱ(SAPSⅡ)〕、并发症和合并症〔包括高血压、糖尿病、感染、急性失血性贫血、脓毒症、休克、酸中毒和肺炎〕以及预后情况。采用多因素Logistic回归分析筛选有意义的变量(
P<0.05),构建Logistic回归模型、XGBoost模型和人工神经网络模型,并绘制受试者工作特征曲线(ROC曲线)评估3个模型对创伤合并ARDS患者院内死亡的预测价值。
结果:共纳入760例创伤合并ARDS患者,其中轻度346例,中度301例,重度113例;院内存活618例,院内死亡142例;736例接受MV,65例接受CRRT。多因素Logistic回归分析筛选出有意义的变量,包括年龄〔优势比(
OR)=1.035,95%可信区间(95%
CI)为1.020~1.050,
P<0.001〕、BMI(
OR=0.949,95%
CI为0.917~0.983,
P=0.003)、血尿素氮(BUN;
OR=1.019,95%
CI为1.004~1.033,
P=0.010)、血乳酸(Lac;
OR=1.213,95%
CI为1.124~1.309,
P<0.001)、红细胞分布宽度(RDW;
OR=1.249,95%
CI为1.102~1.416,
P<0.001)、血细胞比容(HCT;
OR=1.057,95%
CI为1.019~1.097,
P=0.003)、高血压(
OR=0.614,95%
CI为0.389~0.968,
P=0.036)、感染(
OR=0.463,95%
CI为0.289~0.741,
P=0.001)、急性肾衰竭(
OR=2.021,95%
CI为1.267~3.224,
P=0.003)、脓毒症(
OR=2.105,95%
CI为1.265~3.502,
P=0.004),使用上述变量构建模型。Logistic回归模型、XGBoost模型和人工神经网络模型预测创伤合并ARDS患者院内死亡的ROC曲线下面积(AUC)分别为0.737(95%
CI为0.659~0.815)、0.745(95%
CI为0.672~0.819)和0.757(95%
CI为0.680~0.884),任意两个模型之间比较差异均无统计学意义(均
P>0.05)。
结论:纳入年龄、BMI、BUN、Lac、RDW、HCT、高血压、感染、急性肾衰竭、脓毒症变量的Logistic回归模型、XGBoost模型和人工神经网络模型对创伤合并ARDS患者院内死亡有良好的预测价值。
机器学习、急性呼吸窘迫综合征、创伤、人工智能
34
重庆市自然科学基金重点项目cstc2019jcyj-zdxmX0031;Key Projects of Chongqing Natural Science Foundationcstc2019jcyj-zdxmX0031
2023-05-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
260-264