人工智能方式推导脓毒症临床表型及临床结局的研究

摘要：

目的 通过人工智能方式推导脓毒症临床表型及临床结局.方法 数据来源于MIMIC Ⅲ数据库(2008-2012年),本研究在插补缺失数据后,使用k-means聚类,推导数据库中住院24h内符合脓毒症3.0标准的总计5784例患者的临床表型.结果 在4种衍生表型中,class1表型最常见(n=2226;38%),class2表型(n=1891;33%),class3表型(n=838;15%),class4表型(n=829;13%).并且class1表型的累积28d死亡率最低,其次是class4、class3,28d死亡率最高(P<0.001).结论 在对脓毒症患者数据集的回顾性分析中,发现了4种和临床结局相关的临床表型,这些表型可能有助于理解治疗效果的异质性.

关键词：人工智能、脓毒症、临床表型

所属期刊栏目：9

分类号：TP391;R459.7;R563.1

在线出版日期：2023-11-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：218-221