换一批摘要目的 基于重症监护病房(ICU)内脓毒症数据集,融入临床先验知识,构建ICU内脓毒症早期预警模型,提高模型的准确性,并增加模型的可解释性.方法 使用MIMIC-Ⅲ数据库作为内部验证集,选取入住ICU的患者,根据纳入和排除标准确定最终入选病例(n =13737).然后在集成学习方法的基础上,将临床先验知识与其他生理特征相结合,建立一个ICU内患者发生脓毒症的早期预警集成学习模型,使用十折交叉验证方法,同时设计消融实验和基线对比,并基于平均信息增益和Shapley值对脓毒症早期诊断影响因素进行解释分析.利用内部验证集对模型进行检验,并采用dtchina数据库(n =670)对模型性能进行检验.结果 本研究通过使用不同的分类器进行建模,结果显示,融入先验知识后模型的受试者工作特征曲线下面积(AUC)值能增加2%～3%,而特征融合模型取得的效果优于其他任意模型,在内部验证集中,其 AUC 为 0.879(95%CI 0.859～0.901),在外部验证集中,其AUC为0.793(95%CI 0.713～0.863).同时,根据可解释性分析得出临床先验知识的权重最高,WBC、收缩压、HCO-3、呼吸频率是影响脓毒症早期诊断的重要因素.结论 通过将临床先验知识和生理特征进行结合,构建的特征融合集成模型性能较好,并通过实验设计和分析说明加入临床先验知识的必要性.
更多相关知识
关键词
脓毒症早期预警辅助诊断机器学习可解释性轻度梯度增强机白细胞计数收缩压SepsisEarly warningAuxiliary diagnosisMachine learningInterpretabilityLight gradient boosting machineWhite blood cell countSystolic pressure
分类号
R459.7（治疗学）
栏目名称
DOI
10.3969/j.issn.1002-1949.2023.10.004
发布时间
2023-11-29（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（82072228）
- 浏览38
- 被引2
- 下载17
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
