社区获得性肺炎患者病死率预测的机器学习模型——开发和验证研究

人工智能工具和技术,如机器学习(ML)模型,越来越被视为可以提高当前临床工具预测能力的合适方法,包括预后评分。然而,评估ML模型在提高社区获得性肺炎(CAP)现有评分的预测能力方面的研究较少。近期西班牙学者应用因果概率网络(CPN)模型来预测CAP患者的病死率,这是一项在西班牙2家大学医院进行的推导验证回顾性研究,旨在评估用于预测脓毒症病死率的SeF模型(SeF模型是专有软件),并适用于SeF-ML的CPN模型预测CAP30d病死率的能力;并与肺炎严重度指数(PSI)序贯器官衰竭评分(SOFA)快速序贯器官衰竭评分(qSOFA)和CURB-65标准(意识模糊、尿素、呼吸频率、血压、年龄≥65岁)等其他评分系统进行比较。受试者工作特征曲线之间的差异通过DeLong方法进行评估。