多模态数据融合+动态机器学习构建ICU患者MDRO感染早期预警模型的研究

Study on early warning model of MDRO infection in ICU patients based on multimodal data fusion and dynamic machine learning

二维码有效期 120s

摘要目的:多模态数据融合+动态机器学习构建ICU患者多重耐药菌(multi-drug resistant organism,MDRO)感染风险预测模型,优选出最优预测模型为医院MDRO感染提供有效的评估工具.方法:选取某三甲医院ICU 2018年1月1日～2023年8月30日的1 200名患者,按照8∶2的比例随机分为训练集(n=960)和测试集(n=240),基于单因素分析将P<0.05的变量作为构建模型的纳入因素,运用随机森林(RF)、极度梯度提升(XGBoost)、决策树中的分类与回归树(classification and regression trees,CART)和logistic回归分别建立ICU患者MDRO感染风险预测模型,通过准确率、灵敏度、特异度、阳性预测值、阴性预测值、Kappa值、AUC值、决策曲线和校准曲线对4种模型的预测性能进行比较.结果:RF模型在训练集和测试集中表现最佳,其准确率、灵敏度、特异度、阳性预测值、阴性预测值及Kappa值均高于其他模型.AUC值从大到小顺序排列,训练集:RF>XGBoost>CRAT>logistic回归;测试集:RF>CRAT>logistic回归>XGBoost.本研究结果显示肺部感染、脑血管疾病、低蛋白血症及侵入性操作为4种模型的高风险预测因子是MDRO感染筛查及进行临床干预的重要理论依据.结论:基于RF算法建立的风险预测模型对ICU患者MDRO感染风险的预测性能优于其他三个机器算法构建的模型.

作者左蝶 ^[1] 赵佳 ^[1] 龙晓艳 ^[2] 马学先 ^[3] 刘冰 ^[3] 王小燕 ^[3] 李萍 ^[4] 学术成果认领

作者单位新疆医科大学护理学院,新疆乌鲁木齐 830091 ^[1] 中南大学湘雅医院,湖南长沙 410028 ^[2] 新疆医科大学第二附属医院,新疆乌鲁木齐 830063 ^[3] 新疆医科大学第二附属医院,新疆乌鲁木齐 830063;新疆区域人群疾病与健康照护研究中心,新疆乌鲁木齐 830063 ^[4]

关键词 ICU患者 MDRO感染风险机器学习预测模型 ICU patients MDRO infection risk Machine learning Prediction model

分类号 R197.323

栏目名称

论著

DOI 10.13210/j.cnki.jhmu.20241113.001

发布时间 2025-04-09