新生儿败血症休克预测模型的构建——1695例患儿回顾性研究

• 作者: 龚军 王惠来 向天雨 张亚莲 周洋 钟小钢
• 来源期刊: 现代预防医学
• 学科: 医学
• 关键词: 新生儿 败血症 休克 机器学习 预测模型
• 年，卷（期）: 2022,（6）
• 所属期刊栏目: 儿少卫生与妇幼保健|Child and Adolescent Health, Maternal and Child Health
• 页码范围: 1049-1053
• 页数: 5页
• 分类号: R722.131
• 语种: 中文

摘要

目的 筛选新生儿发生败血症休克的危险因素,建立新生儿败血症休克临床预测模型.方法 选取2016年1月1日—2019年12月31日重庆医科大学7家附属医疗机构中患有败血症的新生儿,根据是否发生败血症休克分为研究组和对照组.采用单因素分析、LASSO和logistic回归分析筛选危险因素.采用logistic、极端梯度提升(XGBoost)、随机森林(RF)、分类回归树(CART)和人工神经网络(ANN)建立新生儿败血症休克预测模型,根据灵敏度、特异度、曲线下面积等指标评估模型性能.结果 本研究中,共有339名败血症新生儿发生败血症休克,1 356名败血症新生儿未发生败血症休克.单因素分析筛选出31项差异指标,多因素分析筛选出12项独立危险因素.测试集中,logistic、XGBoost、RF、CART、ANN 模型的曲线下面积分别为0.856(0.809～0.903),0.861(0.819～0.904),0.880(0.838～0.922),0.835(0.790～0.881),0.808(0.756～0.860).结论 本文构建的五种预测模型相对稳定,其中,RF模型的预测性能最佳,能为新生儿败血症休克提供较好的预测.