目的:探讨机器学习方法对创伤合并急性呼吸窘迫综合征(ARDS)患者院内死亡的预测价值。方法:采用回顾性非干预性病例对照研究。从于美国重症监护医学信息数据库Ⅲ(MIMICⅢ)数据库中提取符合柏林ARDS标准定义的创伤合并ARDS患者,收集患者的基本信息〔包括性别、年龄、体质量指数(BMI)、pH值、氧合指数、实验室指标、重症监护病房(ICU)住院时间、行机械通气(MV)或连续性肾脏替代治疗(CRRT)比例、急性生理学评分Ⅲ(APSⅢ)、序贯器官衰竭评分(SOFA)和简化急性生理学评分Ⅱ(SAPSⅡ)〕、并发症和合并症〔包括高血压、糖尿病、感染、急性失血性贫血、脓毒症、休克、酸中毒和肺炎〕以及预后情况。采用多因素Logistic回归分析筛选有意义的变量(
P<0.05),构建Logistic回归模型、XGBoost模型和人工神经网络模型,并绘制受试者工作特征曲线(ROC曲线)评估3个模型对创伤合并ARDS患者院内死亡的预测价值。
结果:共纳入760例创伤合并ARDS患者,其中轻度346例,中度301例,重度113例;院内存活618例,院内死亡142例;736例接受MV,65例接受CRRT。多因素Logistic回归分析筛选出有意义的变量,包括年龄〔优势比(
OR)=1.035,95
作者:唐瑞;唐雯;王导新
来源:中华危重病急救医学 2022 年 34卷 3期