目的 基于脓毒症患者院内死亡预测中因机器学习样本类别不平衡导致敏感度过低的问题,构建一种新的基于平衡随机森林(Balanced Random Forest,BRF)算法的预测模型.方法 从MIMIC-Ⅲ公开数据库中获取符合脓毒症(Sepsis-3.0)标准患者的17个时间序列变量数据,截取入住ICU后最初48 h的数据,计算出17个变量的714个统计特征,将其用于模型构建和性能评估.利用曲线下面积(Area Under Curve,AUC)和修正的几何平均值(Adjusted Geometric-Mean,AGM)进行超参调优.除BRF算法模型外,还与传统的逻辑回归和随机森林(Random Forest,RF)算法模型性能进行比较.结果 最终筛选出10270例有ICU住院经历的脓毒症患者,院内总体死亡率为18.04
作者：李丽娟；曹晓均；陈飞燕；樊慧峰；刘广建
来源：中国医疗设备 2023 年 38卷 12期
