背景脓毒症是由于机体对感染的反应失调而出现的以器官功能障碍为主要特征的临床综合征,是重症监护病房(intensive care unit,ICU)患者的主要死亡原因之一。早期识别潜在的脓毒症患者,采取积极的干预措施,可降低脓毒症的发生率、改善脓...
详细信息
背景脓毒症是由于机体对感染的反应失调而出现的以器官功能障碍为主要特征的临床综合征,是重症监护病房(intensive care unit,ICU)患者的主要死亡原因之一。早期识别潜在的脓毒症患者,采取积极的干预措施,可降低脓毒症的发生率、改善脓毒症患者的预后。目的 基于炎性标志物构建预测ICU患者发生脓毒症的列线图,帮助临床医师早期识别潜在的脓毒症患者。方法 回顾性纳入2017年8月-2020年12月入住解放军总医院第一医学中心ICU的患者,将符合纳入标准的患者以7∶3的比例随机分为训练集和验证集。根据logistic回归分析结果,利用R软件的“rms”软件包构建列线图,通过受试者工作特征曲线(receiver operating characteristic,ROC)下面积(area under the ROC curve,AUC)、敏感度、特异性来评估列线图的预测性能;通过1 000次自抽样的方法构建列线图的校准曲线,评估列线图的校准度。将验证集中患者相应数据纳入模型中,对模型的性能进行验证。并与单一炎性标志物和序贯器官衰竭评分(sequential organ failure assessment,SOFA)的预测性能进行对比。结果 2 074例患者纳入研究,1 451例被随机分配到了训练集,623例被随机分配到了验证集。以logistic回归筛选的5个炎性标志物(白细胞计数、C反应蛋白、白细胞介素-6、中性粒细胞-淋巴细胞比值、降钙素原)绘制列线图,预测ICU患者发生脓毒症的AUC值为0.854(95%CI:0.835~0.872),敏感度为0.820,特异性为0.737,预测性能优于单一炎性标志物和SOFA评分(P均<0.05)。结论 基于炎性标志物构建的列线图可用于ICU脓毒症患者的早期预测,帮助临床医师早期识别潜在的脓毒症患者。
背景脓毒症患者死亡率高。准确预测不良结局的发生,有助于医疗资源的有效分配。目的建立一种机器学习模型预测脓毒症患者早期死亡风险,辅助临床医生进行临床决策。方法从重症监护医疗信息市场(Medical Information Mart for Intensive C...
详细信息
背景脓毒症患者死亡率高。准确预测不良结局的发生,有助于医疗资源的有效分配。目的建立一种机器学习模型预测脓毒症患者早期死亡风险,辅助临床医生进行临床决策。方法从重症监护医疗信息市场(Medical Information Mart for Intensive Care,MIMIC)Ⅲ数据库筛选出符合Sepsis-3标准的脓毒症患者,随机抽取70%的病例作为训练集用于建立模型,其余30%的数据用作验证集。使用极度梯度提升(extreme gradient boosting,XGBoost)模型集成相关参数预测脓毒症患者重症监护病房(intensive care unit,ICU)死亡风险,预测能力通过受试者工作特征(receiver operating characteristic,ROC)曲线评估,并与简化急性生理评分(simplified acute physiology score,SAPS)Ⅱ、序贯性器官衰竭评分(sequential organ failure assessment,SOFA)、全身炎症反应综合征(systemic inflammatory response syndrome,SIRS)标准、快速器官衰竭评分(quick sequential organ failure assessment,qSOFA)等对比验证模型的预测价值。结果共纳入4939例脓毒症患者,其中ICU内死亡患者551例,存活患者4388例;以患者是否ICU死亡作为结局,建立XGBoost模型获得ROC曲线下面积(AUC)为0.848,敏感度0.841,特异性0.711,准确性0.726,均较其他评分高(P<0.05)。模型中排名前10的特征主要为:入ICU后24 h内血乳酸平均值、血管活性药物评分(vasoactive-inotropic score,VIS)、是否患有恶性肿瘤、天冬氨酸氨基转移酶(aspartate aminotransferase,AST)、阴离子间隙(anion gap,AG)、是否接受机械通气治疗、国际标准化比值(international normalized ratio,INR)、格拉斯哥昏迷指数(Glasgow coma scale,GCS)、重症监护病房类型、入ICU后24 h内血乳酸最大值。结论XGBoost模型较临床常用评分能够更加准确地预测脓毒症患者的死亡风险,有助于辅助临床决策,分配医疗资源。
暂无评论