换一批基于7种机器学习的肝移植术后多重耐药菌感染风险预测模型构建与验证
Establishment and verification of risk prediction models for postoperative multidrug-resistant organisms infections in liver transplantation patients based on 7 types of machine learning algorithm
摘要目的 基于机器学习算法构建与验证肝移植术后多重耐药菌(MDRO)感染风险预测模型,为识别肝移植术后MDRO感染高危人群提供参考.方法 回顾性收集重症医学数据库(MIMIC-IV)和重症协作研究数据库(eICU)中肝移植患者为研究对象,同时收集山西医科大学第一医院2021年1月-2024年7月肝移植术后患者为外部验证组.采用Lasso回归进行变量筛选,基于极限梯度提升算法、随机森林等7种机器学习算法进行模型构建,通过比较受试者工作特性曲线下面积、准确度等指标评估模型预测性能,使用可解释机器学习算法(SHAP)对特征变量进行解释,并构建风险预测计算器.结果 本研究最终纳入637例患者,术后MDRO感染率为35.79％.最终选取15个变量进行模型构建,XGBoost模型在内部和外部测试集的受试者工作特性曲线下面积分别为0.82和0.78,其预测性能优于其余6种模型.SHAP算法显示预测因子重要性排名前五的变量:肝性脑病、重症监护室(ICU)住院时长、白蛋白、终末期肝病模型(MELD)和总住院时长.结论 基于机器学习算法构建肝移植患者术后MDRO感染风险预测模型有良好的预测效果,可准确地识别肝移植术后患者MDRO感染高危患者,为医护人员及时识别感染高危人群并制定感染预防治疗提供参考.
更多相关知识
关键词
肝移植多重耐药菌机器学习风险预测模型极限梯度提升算法随机森林Liver transplantationMultidrug-resistant organismMachine learningRisk prediction modelEx-trem gradient boosting algorithmRandom forese
分类号
R657.3（外科学各论）
栏目名称
DOI
10.11816/cn.ni.2025-246766
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
山西省研究生科研创新基金资助项目（2024KY404）
- 浏览58
- 被引2
- 下载63
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
