您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览181 | 下载222

目的 使用XGBoost算法开发加强监护病房(ICU)中脓毒症患者住院死亡风险的预测模型.方法 使用美国大型重症数据库MIMIC-III作为数据来源;根据2016年发布的第三版脓毒症诊断和定义标准,选取数据库中的脓毒症患者,提取其生命体征、实验室检查等数据;使用XGBoost开发模型,并比较其与SVM模、SAPS-II模型的预测性能.结果 共纳入10487例脓毒症患者,住院死亡率20.80%.XGBoost模型的受试者工作特征曲线下面积(AUROC)为0.836(95%置信区间:0.819-0.853),优于SVM模型和SAPS-II模型.Hosmer–Lemeshow检验显示,XGBoost模型拥有优秀的校准度.结论 基于XGBoost的ICU脓毒症患者住院死亡风险预测模型能准确地辅助临床医生进行风险预测,从而采取合适的临床干预以降低ICU脓毒症患者的死亡率.

作者:蔺轲;林瑜;孔桂兰

来源:中国卫生信息管理杂志 2018 年 15卷 5期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:181 | 下载:222
作者:
蔺轲;林瑜;孔桂兰
来源:
中国卫生信息管理杂志 2018 年 15卷 5期
标签:
重症监护室 脓毒症 机器学习 XGBoost
目的 使用XGBoost算法开发加强监护病房(ICU)中脓毒症患者住院死亡风险的预测模型.方法 使用美国大型重症数据库MIMIC-III作为数据来源;根据2016年发布的第三版脓毒症诊断和定义标准,选取数据库中的脓毒症患者,提取其生命体征、实验室检查等数据;使用XGBoost开发模型,并比较其与SVM模、SAPS-II模型的预测性能.结果 共纳入10487例脓毒症患者,住院死亡率20.80%.XGBoost模型的受试者工作特征曲线下面积(AUROC)为0.836(95%置信区间:0.819-0.853),优于SVM模型和SAPS-II模型.Hosmer–Lemeshow检验显示,XGBoost模型拥有优秀的校准度.结论 基于XGBoost的ICU脓毒症患者住院死亡风险预测模型能准确地辅助临床医生进行风险预测,从而采取合适的临床干预以降低ICU脓毒症患者的死亡率.