换一批基于生命体征时序数据的创伤致死性大出血伤情动态预测模型开发及验证
Development and validation of dynamic prediction models using vital signs time series data for fatal massive hemorrhage in trauma
摘要目的 基于生命体征时序数据和机器学习算法建立创伤致死性大出血伤情动态预测模型.方法 回顾性分析重症监护医疗信息(MIMIC-Ⅳ)数据库2008-2019年7522例创伤伤员的生命体征时序数据,并按照创伤后是否发生致死性大出血事件分为致死性大出血组(n=283)与非致死性大出血组(n=7239).采用逻辑回归(LR)、支持向量机(SVM)、随机森林(RF)、自适应提升(AdaBoost)、门控循环单元(GRU)、门控循环单元-D(GRU-D)共6种机器学习算法开发创伤致死性大出血伤情动态预测模型,对创伤伤员未来T小时(T=1、2、3)发生致死性大出血伤情的风险进行动态预测.通过准确率、敏感度、特异度、阳性预测值、阴性预测值、约登指数以及受试者工作特征(ROC)曲线下面积(AUC)评估模型性能.基于解放军总医院创伤数据库对模型进行外部验证.结果 MIMIC-Ⅳ数据集中,基于GRU-D算法开发的一组动态预测模型效果最优,预测未来1、2和3 h发生致死性大出血的AUC分别为0.946±0.029、0.940±0.032和0.943±0.034,且差异无统计学意义(P=0.905).创伤数据集中,GRU-D模型取得了最佳外部验证效果,预测未来1、2和3 h发生致死性大出血的AUC分别为0.779±0.013、0.780±0.008和0.778±0.009,且差异无统计学意义(P=0.181).该组模型已部署在公开的网页计算器和医院急诊科信息系统中,便于公众和医护人员使用和验证.结论 成功开发并验证了一组动态预测模型,可对创伤致死性大出血伤情进行早期诊断和动态预测.
更多相关知识
分类号
R641（创伤外科学）
栏目名称
DOI
10.11855/j.issn.0577-7402.1273.2023.0427
发布时间
2024-07-17（万方平台首次上网日期，不代表论文的发表时间）
- 浏览40
- 被引4
- 下载33
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
