目的:使用机器学习中极限梯度提升(XGBoost)算法构建心脏外科术后患者发生急性肾损伤(AKI)的风险预测模型,探讨心脏外科术后患者发生AKI的危险因素和保护因素。方法:纳入美国重症监护医学信息数据库Ⅲ(MIMIC-Ⅲ)中全部接受心脏外科手术患者的临床资料,按术后14 d内是否发生AKI分为AKI组和非AKI组,并比较两组患者的临床特征。在五折交叉验证的基础上,分别采用XGBoost和Logistic回归法建立心脏外科术后AKI预测模型,并比较两种模型的受试者工作特征曲线下面积(AUC)。采用沙普利加和解释法(SHAP)解释XGBoost的输出模型。结果:共纳入6 912例心脏外科术后患者,其中5 681例(82.2
作者:熊伟;张力凡;佘凯;许果;白上林;刘炫
来源:中华危重病急救医学 2022 年 34卷 11期