
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于MIMIC-IV数据库开发并验证机器学习模型早期预测危重伤患者新发脓毒症
《Scientific Reports》:Early prediction of sepsis in critically ill trauma patients using machine learning: a MIMIC-IV-based cohort study
【字体: 大 中 小 】 时间:2026年10月09日 来源:Scientific Reports 4.9
编辑推荐:
摘要本研究旨在利用重症医学信息库IV(MIMIC-IV)数据库,开发并验证机器学习(ML)模型,以早期预测危重伤患者的新发脓毒症。纳入ICU停留时间至少24小时的成人创伤患者进行分析,排除在最初24小时内已发生脓毒症或疑似感染的患者。使用ICU入院后最初24小时的临床数据,在
本研究旨在利用重症医学信息库IV(MIMIC-IV)数据库,开发并验证机器学习(ML)模型,以早期预测危重伤患者的新发脓毒症。纳入ICU停留时间至少24小时的成人创伤患者进行分析,排除在最初24小时内已发生脓毒症或疑似感染的患者。使用ICU入院后最初24小时的临床数据,在第24小时时点预测第24至72小时内的新发脓毒症-3,并排除治疗变量和序贯器官衰竭评估(SOFA)评分以避免目标泄露。在每个训练折中进行的共识特征选择保留了19个预测变量。在七个算法家族中共训练了九种机器学习配置,未使用合成过采样,并在保留的内部评估集上进行评估,采用1000次bootstrap 95%置信区间(CI)和SHapley加性解释(SHAP)。在4043名创伤ICU患者中,450例(11.13%)发生新发脓毒症。各模型间区分能力为中等且相似,其中多项式支持向量机(SVM)获得最高的受试者工作特征曲线下面积(AUROC)(0.734,95% CI 0.680至0.788),线性SVM(0.733,95% CI 0.678至0.785)次之,两者均优于SOFA(0.655)和简化急性生理评分II(0.668)(DeLong P < 0.01)。灵敏度范围为0.589至0.689,特异度范围为0.650至0.707,梯度提升显示最佳校准(斜率0.946,截距-0.073,Brier评分0.092),决策曲线分析显示在2%至35%的阈值概率下具有正向净获益。SHAP分析识别出最高葡萄糖、平均氧饱和度、最高体温、平均呼吸频率、最低血红蛋白和最低血小板计数是预测新发脓毒症最具影响力的变量。严格基于早期生理和实验室数据的机器学习模型为危重伤患者的新发脓毒症提供了中等但校准良好的区分能力,并优于一般ICU严重性评分。这些可解释的模型可能有助于基于风险的支持感染监测,而非自主临床决策,在临床实施前需要进行外部验证。