目的:系统评价压力性损伤风险预测的机器学习模型.方法:检索数据库中有关压力性损伤风险预测机器学习模型的研究,检索时限为建库至2022年3月1日.2名研究者独立筛选文献、提取数据,并应用PROBAST分析文献质量.结果:共纳入17篇文献,包括4项开发模型,13项开发和验证模型.受试者工作特征曲线下面积为0.790～0.897.研究总体适用性较好,但存在一定偏倚,主要是因为未采取或未报告盲法、未报告缺失数据处理方法或处理不当、样本量不足、自变量处理不恰当、未考虑模型性能及拟合.结论:压力性损伤风险预测机器学习模型的开发尚处于发展阶段,外推性有待进一步探讨,未来应关注研究设计和临床数据的处理,开发适用于中国人群的模型.
作者：王园园；蒋建萍；朱志超；相旭；周洪昌
来源：中国护理管理 2023 年 23卷 3期
