基于集成机器学习的ICU老年多器官功能不全早期死亡风险预测模型

• 作者: 刘晓莉 周飞虎 康红军 张政波 张渊 毛智 虎磐
• 来源期刊: 解放军医学院学报
• 学科: 医学
• 关键词: 老年多器官功能不全 MIMIC-Ⅲ数据库 医疗大数据 机器学习 死亡预测
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 临床研究论著
• 页码范围: 513-518
• 页数: 6页
• 分类号: R563.1
• 字数: 4928字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-5227.2019.06.003

摘要

目的 基于集成机器学习模型XGBoost(Extreme Gradient Boosting)构建ICU住院老年多器官功能不全综合征(multiple organ dysfunction syndrome in the elderly,MODSE)早期(入ICU 24 h后)死亡预测模型,以更好地辅助临床决策和治疗.方法 利用公开的基于电子病历的大型数据库中重症医学信息数据库MIMIC-Ⅲ(Medical Information Mart for Intensive Care),纳入MODSE患者14 329例,其中院内死亡2 341例(16.3％),随机抽取80％作为训练集,剩余20％为测试集,根据预后将患者分为死亡组(1 864例)和存活组(9 599例),采集人口统计学信息、入ICU第一天的生命体征、临床干预措施、全身炎症反应综合征评分(SIRS),序贯器官衰竭估计评分(SOFA)作为模型参数,比较两组患者各指标差异;采用XGBoost模型算法进行模型训练,研究死亡相关特征重要性排名分布;用受试者工作特征曲线(ROC)评估模型对MODSE患者死亡风险的预测价值.结果 与存活组比较,死亡组患者格拉斯哥昏迷指数(glasgow coma scale,GCS)、年龄、心率最大值等较高,体质量指数(body mass index,BMI)、收缩压最小值等较低,差异均存在统计学意义(P均＜0.01).XGBoost构建预测模型的特征排名前10的指标为呼吸频率、活化的部分凝血酶原时间(activated part of the prothrombin time,APTT)、年龄、体温、BMI、收缩压、血小板、血糖、休克指数、白细胞计数;Xgboost模型预测MODSE患者死亡的AUC为0.853,敏感性为0.824,特异性为0.725,准确率为0.854,高于SOFA等各类评分.结论 与传统的评分相比,XGBoost模型的预测性能更加优越,可以更好地辅助临床决策,更早地指导临床医生开展集束化治疗.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周飞虎	解放军总医院第一医学中心重症医学科	83	604	14.0	22.0
2	毛智	解放军总医院第一医学中心重症医学科	29	52	5.0	6.0
3	康红军	解放军总医院第一医学中心重症医学科	41	329	10.0	17.0
4	张政波	解放军总医院第一医学中心医学工程保障中心	31	232	9.0	14.0
5	刘晓莉	北京航空航天大学生物与医学工程学院	5	7	2.0	2.0
6	虎磐		1	1	1.0	1.0
7	张渊	解放军总医院第一医学中心医学工程保障中心	1	1	1.0	1.0