换一批脓毒症相关肝损伤预后分析及基于机器学习方法的预测模型建立
Prognostic analysis of sepsis-related liver injury and development of a prediction model based on machine learning method
摘要目的 分析脓毒症相关肝损伤(SRLI)患者的预后,并使用8种机器学习方法建立脓毒症患者入住ICU后发生SRLI的预测模型.方法 纳入MIMIC-Ⅳ数据库中满足脓毒症诊断标准且无肝脏、胆系基础疾病的患者.根据肝酶≥5倍正常值上限(ULN)或胆红素≥2.0 mg/dL将患者分为SRLI组和非SRLI组.采用卡方检验、多因素Logistics回归分析及倾向性评分匹配法分析2组患者死亡风险.采用8种机器学习算法[Logistics回归、分类回归树(CART)、随机森林(RF)、支持向量机(SVM)、K-近邻(K-NN)、朴素贝叶斯(NBM)、极端梯度提升(XGBoost)、梯度提升树(GBDT)]构建SRLI预测模型并进行验证.结果 卡方检验(P＜0.001)、多因素Logistics回归分析(P＜0.05)、倾向性评分匹配分析后Log-rank(P＜0.05)均显示SRLI增加患者死亡风险.SRLI预测模型中,RF算法的曲线下面积(AUC)最高为0.866,其后依次是GBDT(AUC=0.862)、Logistics 回归(AUC=0.859)、SVM(AUC=0.837)、NBM(AUC=0.830)、CART(AUC=0.771)、XGBoost(AUC=0.764)、K-NN(AUC=0.722).结论 SRLI增加患者死亡风险.RF算法构建预测模型有较高的诊断价值.
更多相关知识
关键词
脓毒症脓毒症相关肝损伤机器学习算法预测模型分类回归树随机森林支持向量机朴素贝叶斯sepsissepsis-related liver injurymachine learning algorithmsprediction mod-elclassification and regression treerandom forestsupport vector machinenaive Bayes method
栏目名称
DOI
10.7619/jcmp.20244867
发布时间
2025-05-26（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家临床重点专科建设项目
扬州市卫生健康委员会科研重点项目（2023-1-02）
- 浏览33
- 被引1
- 下载35
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
