首页 > 中华医院感染学杂志 > 基于增量学习的肺炎克雷伯菌碳青霉烯类耐药风险预测

基于增量学习的肺炎克雷伯菌碳青霉烯类耐药风险预测

Incremental learning-based risk prediction for carbapenems resistance in Klebsiella pneumoniae

二维码有效期 120s

摘要目的利用增量学习框架下的 IXGBoost 模型,对肺炎克雷伯菌碳青霉烯类耐药性进行早期预测.方法收集 2015年 1月-2024年 12月大连理工大学附属中心医院 35 060例肺炎克雷伯菌感染患者的病历数据,经过数据清洗和预处理后,提取显著的耐药风险相关特征变量.数据集按 8∶2的比例随机分为训练集和测试集.初始批次基于 2015-2020年数据,随后用 2021-2024年每周新增数据进行增量训练.选取支持向量机、决策树、随机森林、逻辑回归、XGBoost、LightGBM模型进行对比.模型性能通过K折交叉验证在测试集进行评估.结果 IXGBoost模型不但能实现了对数据的实时学习和预测,其精确率(0.982 3)、召回率(0.981 3)、F1分数(0.981 8)和AUC(0.842 1)等性能指标均优于其他对比模型.结论本研究证实了增量学习方法在预测肺炎克雷伯菌碳青霉烯类耐药性方面的有效性,揭示了影响耐药性产生的重要风险因素,对于临床预防及深入理解耐药性产生的根本机制具有重要意义.

作者 杨光飞 ^[1] 张宁远 ^[2] 庚俐莉 ^[3] 赵玲玲 ^[3] 学术成果认领

作者单位 大连理工大学系统工程研究所,辽宁大连 116024;大连理工大学附属中心医院(大连市中心医院)感染性疾病科,辽宁大连 116000 ^[1] 大连理工大学系统工程研究所,辽宁大连 116024 ^[2] 大连理工大学附属中心医院(大连市中心医院)感染性疾病科,辽宁大连 116000 ^[3]

关键词碳青霉烯肺炎克雷伯菌增量学习 IXGBoost模型早期预测碳青霉烯类耐药性 Carbapenem Klebsiella pneumoniae Incremental learning IXGBoost Drug Early prediction Carbapenem resistance

分类号 R378（医学微生物学《病原细菌学、病原微生物学》）

栏目名称

论著

DOI 10.11816/cn.ni.2026-251249

发布时间 2026-03-20（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（72571040）国家自然科学基金（42071273）中央高校基本科研业务费（DUT24YG147）辽宁省重点专科院内自主立项（2023SZ002）辽宁省重点专科院内自主立项（2024SZ011）大连市生命健康领域指导计划项目（2024ZDJH01PT018）