检索历史 清除

摘要目的：<br>　　术后脓毒症是指发生于手术后或术后住院期间的、宿主对感染反应失调所致的、危及生命的器官功能障碍，致死率很高，严重降低患者生活质量并带来沉重的经济负担。由于手术时间长、肠道细菌移位、机体免疫力降低等，腹部手术术后脓毒症发生率高。术前筛查高危患者，早期预测患者死亡风险，给予及时合理的围术期管理，可能改善患者结局。然而目前脓毒症的诊疗工具复杂且效果欠佳，需要新技术实现早期筛选诊断、治疗管理及预后预测。本研究以腹部手术术后脓毒症为研究对象，基于中国三家不同地区的教学医院，采用机器学习算法构建术前筛查模型，并探索与发病相关的危险因素；同时，本研究还利用重症监护医学信息数据库（Medical Information Mart for Intensive Care IV，MIMIC-IV），创建了基于强化学习的普通肝素的用药策略与基于机器学习的死亡风险预测模型。<br>　　方法：<br>　　1、回顾性收集三家医院（陆军军医大学西南医院、四川大学华西医院和首都医科大学宣武医院）在腹部手术后发生脓毒症的患者作为阳性病例，并根据手术类型和年龄段，按1：2随机匹配同时间段内术后未发生脓毒症的患者作为阴性病例。提取相关术前变量并对数据进行预处理后，基于有无发生术后脓毒症将数据集按7：3随机拆分为训练数据集和测试数据集。根据Boruta算法的特征选择结果，分别基于极端梯度提升（eXtreme Gradient Boosting，XGboost）、多层感知机（Multi-Layer Perceptron，MLP）、Logistic回归（Logistic Regression，LR）、K近邻算法（K-Nearest Neighbor，KNN）构建术后脓毒症预测模型，并采用受试者工作特征（Receiver Operating Characteristic，ROC）曲线下面积（Area Under the ROC Curve，AUC）、敏感性、特异性、F1分数、准确率、阳性预测值（Positive Predictive Value,PPV）和阴性预测值（Negative Predictive Value，NPV）来评估各模型的预测效能。<br>　　2、获得MIMIC-IV数据库的使用权限后，将腹部手术术后脓毒症中使用了普通肝素的患者作为阳性病例，未使用普通肝素的患者作为阴性病例。收集相关变量并进行数据预处理，分析比较阳性组和阴性组之间的指标差异；同时，将阳性病例基于Q-learning算法构建普通肝素的用药策略，并采用以下三种方法对该策略进行评估：比较强化学习策略与医生策略的价值、强化学习策略与医生策略的符合率、相对收益与存活率的关系。<br>　　3、在MIMIC-IV数据库中检索腹部手术术后脓毒症病例，其中入院90天死亡的患者作为阳性病例，未死亡的患者作为阴性病例。提取相关变量并对数据进行预处理，根据死亡与否将数据集按7：3随机拆分为训练数据集和测试数据集。根据LASSO算法的特征选择结果，分别基于LR、随机森林（Random Forest，RF）、梯度提升树（Gradient Boosting Decision Tree，GBDT）、自适应提升（Adaptive Boosting，AdaBoost）和支持向量机（Support Vector Machine，SVM）构建死亡风险预测模型，并采用AUC、敏感性、特异性、PPV、NPV、准确率和F1分数来评估各模型的预测效能。<br>　　结果：<br>　　1、三家医院共648例腹部手术患者被纳入最终研究，其中212例患者存在术后脓毒症。XGboost、MLP、KNN、LR这4种模型均取得了较好的预测性能，其中XGboost综合表现最好，在训练数据集上AUC为0.958（95%CI：0.937~0.980），准确率为95.8%，敏感性为93.3%，特异性为98.4%，PPV为96.5%，NPV为96.8%，F1分数为0.949；在测试数据集上AUC为0.839（95%CI：0.783~0.896），准确率为83.9%，敏感性为81.0%，特异性为86.9%，PPV为75.0%，NPV为90.4%，F1分数为0.779。此外，白蛋白、腔镜手术、中性/淋巴细胞比、总胆红素、血肌酐和血小板计数与术后脓毒症相关性最高。<br>　　2、MIMIC-IV数据库中共986例腹部手术患者发生了术后脓毒症，其中560例患者使用了普通肝素。比起未使用普通肝素的术后脓毒症患者，肝素组的住院时间更长（13.10天vs.8.72天，P＜0.001），但90天死亡率更低（22.5%vs.29.3%，P=0.015），且在输注血制品、凝血障碍、初始液体复苏、血管加压药方面无统计学差异。基于强化学习的腹部手术术后脓毒症普通肝素的用药策略价值普遍高于医生策略价值，并且患者存活率随医生策略与强化学习策略的符合率和在治疗流程中获得的相对收益的增高而增高。<br>　　3、MIMIC-IV数据库中的腹部手术术后脓毒症患者有251例患者于入院90天死亡。在测试数据集上，LR、GBDT、RF、SVM及AdaBoost这5种模型的AUC依次为0.852（95%CI：0.799~0.905）、0.903（95%CI：0.856~0.950）、0.921（95%CI：0.888~0.955）、0.940（95%CI：0.909~0.972）和0.906（95%CI：0.868~0.944），敏感性依次为66.2%、78.7%、62.7%、76.0%和66.7%，特异性依次为92.0%、91.4%、94.6%、95.5%和90.9%，PPV依次为74.6%、75.6%、79.7%、85.1%和71.4%，NPV依次为88.5%、92.6%、88.1%、92.1%和88.9%，F1分数依次为0.702、0.771、0.702、0.803和0.690，准确率依次为79.1%、85.0%、78.6%、85.7%和78.8%。整体上，这4种集成学习算法模型的预测效能均优于传统的LR，且SVM最好。<br>　　结论：<br>　　1、基于多中心数据、常规术前变量的XGboost模型，对预测腹部手术患者发生术后脓毒症的风险具有推广潜力。低白蛋白、腔镜手术、高中性/淋巴细胞比、高总胆红素、高血肌酐、低血小板计数是术后脓毒症的重要危险因素，需要在术前给予重视。<br>　　2、基于强化学习的腹部手术术后脓毒症普通肝素的用药策略可提供个性化治疗，且表现优于临床医生。普通肝素可降低术后脓毒症患者90天死亡率，并且不会增加患者输注血制品及凝血障碍的风险。<br>　　3、基于GBDT、RF、SVM及AdaBoost这4种集成学习算法建立的腹部手术术后脓毒症死亡风险预测模型的预测效能均优于传统的LR，其中SVM表现最佳。