换一批基于机器学习的神经外科ICU患者耐碳青霉烯革兰阴性菌感染风险预测模型构建及验证
Construction and validation of a machine learning-based model for predicting the risk of carbapenem-resistant gram-negative bacteria infections in neurosurgical ICU patients
摘要目的 探讨神经外科ICU患者耐碳青霉烯革兰阴性菌(CRO)感染现状与危险因素,构建其预测模型并验证.方法 回顾性收集2023年7月-2024年1月苏州大学附属第一医院神经外科重症监护病房(ICU)住院患者113例的临床资料及主动筛查微生物结果,分为CRO感染组(n=28)和非CRO感染组(n=85).通过LAS-SO 回归和逻辑回归筛选预测变量.应用随机森林(RF)和logistic回归构建风险预测模型,通过绘制受试者工作特征(ROC)曲线下面积(AUC)、校准曲线和决策曲线等评价模型的性能,并通过自助重抽样(Bootstrap)方法进行内部验证.结果 113例神经外科ICU患者发生CRO感染28例,感染率为24.78％.下呼吸道感染率最高,为17例(15.04％).CRO病原菌以耐碳青霉烯肺炎克雷伯菌(CRKP)和耐碳青霉烯鲍曼不动杆菌(CRAB)为主,分别占50.00％和42.86％.RF预测模型和列线图预测模型建模组的AUC分别为0.881和0.787,Brier评分分别为0.114和0.146,净获益时阈概率分别为10％～97％和12％～62％.RF预测模型具有较好的区分度、校准度和临床实用性.RF预测模型显示美罗培南和万古霉素联用天数、GCS评分、肠道定植和住院史是CRO感染的重要预测因子.结论 基于RF算法建立的神经外科ICU患者CRO感染预测模型具有较好的预测性能,可针对重要预测因素采取防控措施进行干预.
更多相关知识
关键词
神经外科耐碳青霉烯革兰阴性菌医院感染随机森林预测模型重症监护病房Department of neurosurgeryCarbapenem-resistant organismHospital-acquired infectionRandom forestPrediction modelIntensive care unit
栏目名称
DOI
10.11816/cn.ni.2025-241773
发布时间
2025-07-21（万方平台首次上网日期，不代表论文的发表时间）
基金项目
江苏省医院协会医院管理创新研究基金资助项目（JSYGY-3-2023-103）
江苏省医院协会医院管理创新研究基金资助项目（JSYGY-3-2023-114）
江苏省医院协会医院管理创新研究重点基金资助项目（JSYGY-2-2024-256）
苏州市医院协会感染管理专项重点基金资助项目（SZSYYXH-2023-ZD1）
苏州市科学技术局医学创新应用研究基金资助项目（SKY2023230）
- 浏览41
- 被引0
- 下载34
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
