背景 急性呼吸窘迫综合征(acuterespiratorydistresssyndrome,ARDS)发病率高,10%的ICU住院是由ARDS所致,临床特征通常在诱发事件后6~72 h出现,并迅速加重.其死亡率亦相当高且会随病情严重程度而增加.目的 构建一种便捷、无创的危重症ARDS早期预测模型.方法 采用麻省理工学院与飞利浦创建的eICU协作研究数据集,从中检索诊断为ARDS患者的呼吸频率、体温、心跳三种生命体征数据以及氧合指数(PaO2/FiO2).PaO2/FiO2≤100 mmHg为重度ARDS.以每个氧合指数观测点(ARDS诊断时间点)为原点,96 h为一个时间窗,应用逻辑回归、随机森林及LightGBM构建预测模型,分析诊断前6~96 h、6~48 h以及6~24 h的生命体征数据预测是否会发生重度ARDS.通过oob评分、交叉验证以及校准曲线评估模型性能,并选取2014年解放军总医院医院呼吸重症监护室的ARDS病例对模型进行外部验证.结果 从eICU数据库检索纳入232例ARDS患者共3140次氧合指数测量记录,其中PaO2/FiO2≤100 mmHg(1 mmHg=0.133 kPa)共1042次.以6~96 h、6~48 h以及6~24 h的生命体征数据各自采用逻辑回归、随机森林及LightGBM建立了9个预测模型.不同时间窗比较,6~96 h的预测准确率及AUC最高;不同模型间比较随机森林模型的诊断性能最优;6~96 h随机森林模型准确率为0.833
作者:武俊伟;刘超;王雪;杜甲珺;李姣;谢菲
来源:解放军医学院学报 2022 年 43卷 11期