今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

基于XGBoost的老年重症肺炎患者28天院内死亡风险预测模型开发与验证研究

《Respiratory Research》:Development and external validation of a machine learning–based model for predicting 28-day in-hospital mortality in elderly patients with severe community-acquired pneumonia

【字体: 大 中 小 】 时间:2026年10月10日 来源:Respiratory Research 5.7

编辑推荐:

   摘要背景重症肺炎是老年人死亡的主要原因之一;然而,临床上有效的预后工具仍然匮乏。本研究旨在开发一种机器学习模型,用于个体化预测老年重症肺炎患者的28天院内死亡风险,以便早期识别高危个体并指导临床决策。方法本研究纳入了2019年1月至2025年10月期间在中国六家医疗中心住院的

  

摘要

背景

重症肺炎是老年人死亡的主要原因之一;然而,临床上有效的预后工具仍然匮乏。本研究旨在开发一种机器学习模型,用于个体化预测老年重症肺炎患者的28天院内死亡风险,以便早期识别高危个体并指导临床决策。

方法

本研究纳入了2019年1月至2025年10月期间在中国六家医疗中心住院的老年重症肺炎患者。其中两家医院提供训练队列,四家独立的医疗机构提供验证队列。利用常规收集的临床变量,开发了多种监督机器学习模型来预测28天院内死亡风险。在独立验证队列中评估模型性能,并与现有临床评分进行比较:CURB-65、肺炎严重指数(PSI)、改良序贯器官衰竭评分(mSOFA)和快速序贯器官衰竭评分(qSOFA)。采用可解释机器学习技术对表现最优的模型进行解读。

结果

训练队列和验证队列分别纳入2,194例和561例患者。在训练队列中,XGBoost的受试者工作特征曲线下面积(AUC)为0.866,而CURB-65为0.644,PSI为0.670,mSOFA为0.792,qSOFA为0.650。在独立验证队列中,XGBoost的AUC为0.850,与其模型建立时的表现一致(AUC = 0.866;P = 0.51)。XGBoost显著优于所有传统严重度评分:CURB-65(AUC = 0.652;P < 0.01)、PSI(AUC = 0.685;P < 0.01)、mSOFA(AUC = 0.725;P < 0.01)和qSOFA(AUC = 0.650;P < 0.01)。

结论

该XGBoost模型与现有临床评分相比表现出更优的区分能力,并在改善风险评估和早期干预方面展现出前景。需要在不同临床环境中进行进一步的外部验证,以确认其泛化能力和实用性。

背景

重症肺炎是老年人死亡的主要原因之一;然而,临床上有效的预后工具仍然匮乏。本研究旨在开发一种机器学习模型,用于个体化预测老年重症肺炎患者的28天院内死亡风险,以便早期识别高危个体并指导临床决策。

方法

本研究纳入了2019年1月至2025年10月期间在中国六家医疗中心住院的老年重症肺炎患者。其中两家医院提供训练队列,四家独立的医疗机构提供验证队列。利用常规收集的临床变量,开发了多种监督机器学习模型来预测28天院内死亡风险。在独立验证队列中评估模型性能,并与现有临床评分进行比较:CURB-65、肺炎严重指数(PSI)、改良序贯器官衰竭评分(mSOFA)和快速序贯器官衰竭评分(qSOFA)。采用可解释机器学习技术对表现最优的模型进行解读。

结果

训练队列和验证队列分别纳入2,194例和561例患者。在训练队列中,XGBoost的受试者工作特征曲线下面积(AUC)为0.866,而CURB-65为0.644,PSI为0.670,mSOFA为0.792,qSOFA为0.650。在独立验证队列中,XGBoost的AUC为0.850,与其模型建立时的表现一致(AUC = 0.866;P = 0.51)。XGBoost显著优于所有传统严重度评分:CURB-65(AUC = 0.652;P < 0.01)、PSI(AUC = 0.685;P < 0.01)、mSOFA(AUC = 0.725;P < 0.01)和qSOFA(AUC = 0.650;P < 0.01)。

结论

该XGBoost模型与现有临床评分相比表现出更优的区分能力,并在改善风险评估和早期干预方面展现出前景。需要在不同临床环境中进行进一步的外部验证,以确认其泛化能力和实用性。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:重症肺炎|老年患者|XGBoost|死亡风险预测|机器学习|预后评估

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号