换一批机器学习预测脓毒症患者血流动力学不稳定
To predict hemodynamic instability with machine learning in ICU patients with sepsis
摘要目的 在脓毒症患者中建立基于生命体征监测数据的血流动力学不稳定事件预测模型.方法 从重症监护病房合作研究数据库(eICU-CRD)的脓毒症患者中识别在重症监护病房(ICU)住院期间发生的血流动力学不稳定事件.提取事件发生前6h的连续生命体征监测数据(包括心率、呼吸和血氧饱和度)作为阳性样本,在未发生血流动力学不稳定事件的脓毒症患者中随机抽取6h生命体征监测数据为阴性对照样本.建立并训练极致梯度提升(XGBoost)、轻量的梯度提升机(LightGBM)以及深度神经网络(DNN)模型进行建模及训练.利用受试者工作特征曲线下面积(ROC-AUC)对模型效能进行评估,使用最优的模型在脓毒症血流动力学不稳定事件发生前1h和前2h对事件的发生进行预测.结果 本研究共提取阳性样本 2 569 例,阴性对照样本7 048 例.XGBoost、LightGBM以及DNN模型预测脓毒症血流动力学不稳定事件的ROC-AUC值分别为0.78、0.77 和0.61.XGBoost模型在脓毒症血流动力学不稳定事件发生前1h、前2h进行预测的ROC-AUC值分别为0.76 和0.75.结论 在ICU的脓毒症患者中,基于连续生命体征监测数据的机器学习模型可用于血流动力学不稳定事件的预测.
更多相关知识
关键词
机器学习脓毒症血流动力学不稳定重症监护病房(ICU)极致梯度提升轻量的梯度提升机深度神经网络Machine learningSepsisHemodynamic instabilityIntensive care unit(ICU)Extreme gradient boostingLight gradient boosting machineDeep neural network
栏目名称
DOI
10.3969/j.issn.1002-1949.2023.11.008
发布时间
2023-11-28（万方平台首次上网日期，不代表论文的发表时间）
基金项目
:陕西省高层次人才特殊支持计划
西安交通大学医学基础-临床融合创新项目（YXJLRH2022060）
- 浏览59
- 被引2
- 下载26
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
