换一批基于5种机器学习算法构建ICU患者耐碳青霉烯类鲍曼不动杆菌感染风险预测模型
Risk prediction models for carbapenem-resistant Acinetobacter baumannii infection in ICU patients established based on 5 types of machine learning algorithms
摘要目的 本研究通过机器学习(ML)建立较优的ICU患者耐碳青霉烯类鲍曼不动杆菌(CRAB)感染预测模型,为临床医生做出诊断和决策提供帮助.方法 收集2017年1月1日-2024年12月31日入住某三甲医院ICU住院患者临床资料,将数据按照7∶3比例随机分为训练集和测试集.特征变量的选择采用LASSO回归和多元逻辑回归分析联合完成.整合5种ML分类模型,分析和识别最佳模型,使用灵敏度、特异性、准确性、受试者工作特征曲线下面积(AUC)、校准曲线、Hosmer-Lemeshow检验和决策曲线(DCA)评估ICU患者CRAB感染预测模型性能.最后使用SHAP解释和排列重要性来解释ML模型的输出.结果 本研究共纳入2 904例患者,其中有695例(23.93％)患者发生CRAB感染.XGBoost模型在训练集和测试集中AUC最高(0.994和0.907);Hosmer-Lemeshow检验结果显示,XGBoost模型校准曲线显示预测风险与观察风险高度一致(x2=7.323、4.609,P=0.513、0.764);DCA曲线显示XGBoost模型在整个阈值范围(0～1.0)内表现最佳,净获益最高.通过SHAP方法确定了ICU住院时间、应用替加环素、中心静脉置管、应用碳青霉烯类抗菌药物、使用呼吸机是较为重要的预测因子.结论 构建了 XGBoost模型并用SHAP方法进行解释,为筛选ICU内CRAB感染高风险患者提供参考.
更多相关知识
关键词
机器学习重症监护室耐碳青霉烯类鲍曼不动杆菌预测模型极端梯度提升模型Machine learningIntensive care unitCarbapenem-resistant Acinetobacter baumanniiPredic-tion modelExtreme gradient boosting model
分类号
R181
栏目名称
DOI
10.11816/cn.ni.2025-250868
发布时间
2025-11-10（万方平台首次上网日期，不代表论文的发表时间）
基金项目
辽宁省自然科学基金面上项目（2024-MS-292）
- 浏览6
- 被引0
- 下载6
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
