目的系统评价基于极端梯度提升(eXtreme Gradient Boosting,XGBoost)算法构建的重症加强护理病房(Intensive Care Unit,ICU)死亡风险预测模型的研究现况。方法检索知网、万方、维普、PubMed、Embase、Web of Science、Scopus数据库,搜...目的系统评价基于极端梯度提升(eXtreme Gradient Boosting,XGBoost)算法构建的重症加强护理病房(Intensive Care Unit,ICU)死亡风险预测模型的研究现况。方法检索知网、万方、维普、PubMed、Embase、Web of Science、Scopus数据库,搜集有关基于XGBoost算法构建的ICU死亡风险预测模型的研究,检索时限均为建库至2023年2月18日。由2名研究者独立筛选文献,提取资料并评价纳入研究的偏倚风险后,进行定性系统评价。结果共纳入12篇文献,纳入模型的受试者工作特征曲线下面积为0.750~0.941。10篇文献适用性较好,其余2篇文献适用性不清楚。12篇文献均存在高偏倚风险,偏倚主要来自于不合适的研究数据来源、研究对象的纳排标准不清晰、预测因子定义与评估不一致、基于单因素分析法筛选预测因子、缺乏完善的模型性能评估等。结论现有基于XGBoost算法构建的ICU死亡风险预测模型具有较好的区分度,但其临床预测的准确性还尚不明确。未来还需进一步完善相关研究设计,避免研究中的各类偏倚风险,加强模型的外部验证,确保模型在临床实践中的可行性及有效性。展开更多
本文介绍了预测模型研究的偏倚风险和适用性评估工具PROBAST(Prediction model Risk Of Bias ASsessment Tool)的主要内容、评价步骤和相关注意事项。PROBAST从研究对象、预测因素、结局和分析4个领域共20个信号问题对原始研究的设计、...本文介绍了预测模型研究的偏倚风险和适用性评估工具PROBAST(Prediction model Risk Of Bias ASsessment Tool)的主要内容、评价步骤和相关注意事项。PROBAST从研究对象、预测因素、结局和分析4个领域共20个信号问题对原始研究的设计、实施和分析过程中可能产生的偏倚风险和适用性进行评价。通过综合分析,对原始研究每个领域和整体的偏倚风险和适用性做出判断,分为高、低或不清楚。PROBAST为个体预测模型开发、验证和更新提供了可靠的新评价工具,它不仅可以用于预测模型的系统综述,也可作为预测模型研究通用的方法学评价工具。展开更多
目的评价当前我国医院感染预测模型研究方法学质量和报告质量,以期为规范研究过程和报告方法提供参考。方法系统检索中英文数据库截至2022年底的国内医院感染相关预测模型研究,研究团队按纳入、排除标准独立筛选文献、交叉核对提取资料...目的评价当前我国医院感染预测模型研究方法学质量和报告质量,以期为规范研究过程和报告方法提供参考。方法系统检索中英文数据库截至2022年底的国内医院感染相关预测模型研究,研究团队按纳入、排除标准独立筛选文献、交叉核对提取资料后,应用临床预测模型偏倚风险和适用性的评估工具(prediction model risk of bias assessment tool,PROBAST)评价方法学质量,使用个体预后与诊断预测模型研究报告规范(transparent reporting of a multivariable pre⁃diction model for individual prognosis or diagnosis,TRIPOD)声明评价研究报告质量。结果共纳入81篇医院感染预测模型研究,PROBAST偏倚风险评估的平均完成度为58.11%±13.88%,TRIPOD声明报告质量的平均完成度为56.11%±16.35%。方法学缺陷主要存在于数据来源、未考虑数据复杂性与采用单因素分析筛选预测因子等,报告质量中风险分层、样本量估算与补充信息等条目未报告或报告不全面。结论国内医院感染预测模型研究存在方法学缺陷与不完整的报告情况,限制了研究结果的可靠性与适用性,有较大的改进空间。展开更多
文摘目的系统评价基于极端梯度提升(eXtreme Gradient Boosting,XGBoost)算法构建的重症加强护理病房(Intensive Care Unit,ICU)死亡风险预测模型的研究现况。方法检索知网、万方、维普、PubMed、Embase、Web of Science、Scopus数据库,搜集有关基于XGBoost算法构建的ICU死亡风险预测模型的研究,检索时限均为建库至2023年2月18日。由2名研究者独立筛选文献,提取资料并评价纳入研究的偏倚风险后,进行定性系统评价。结果共纳入12篇文献,纳入模型的受试者工作特征曲线下面积为0.750~0.941。10篇文献适用性较好,其余2篇文献适用性不清楚。12篇文献均存在高偏倚风险,偏倚主要来自于不合适的研究数据来源、研究对象的纳排标准不清晰、预测因子定义与评估不一致、基于单因素分析法筛选预测因子、缺乏完善的模型性能评估等。结论现有基于XGBoost算法构建的ICU死亡风险预测模型具有较好的区分度,但其临床预测的准确性还尚不明确。未来还需进一步完善相关研究设计,避免研究中的各类偏倚风险,加强模型的外部验证,确保模型在临床实践中的可行性及有效性。
文摘本文介绍了预测模型研究的偏倚风险和适用性评估工具PROBAST(Prediction model Risk Of Bias ASsessment Tool)的主要内容、评价步骤和相关注意事项。PROBAST从研究对象、预测因素、结局和分析4个领域共20个信号问题对原始研究的设计、实施和分析过程中可能产生的偏倚风险和适用性进行评价。通过综合分析,对原始研究每个领域和整体的偏倚风险和适用性做出判断,分为高、低或不清楚。PROBAST为个体预测模型开发、验证和更新提供了可靠的新评价工具,它不仅可以用于预测模型的系统综述,也可作为预测模型研究通用的方法学评价工具。
文摘目的评价当前我国医院感染预测模型研究方法学质量和报告质量,以期为规范研究过程和报告方法提供参考。方法系统检索中英文数据库截至2022年底的国内医院感染相关预测模型研究,研究团队按纳入、排除标准独立筛选文献、交叉核对提取资料后,应用临床预测模型偏倚风险和适用性的评估工具(prediction model risk of bias assessment tool,PROBAST)评价方法学质量,使用个体预后与诊断预测模型研究报告规范(transparent reporting of a multivariable pre⁃diction model for individual prognosis or diagnosis,TRIPOD)声明评价研究报告质量。结果共纳入81篇医院感染预测模型研究,PROBAST偏倚风险评估的平均完成度为58.11%±13.88%,TRIPOD声明报告质量的平均完成度为56.11%±16.35%。方法学缺陷主要存在于数据来源、未考虑数据复杂性与采用单因素分析筛选预测因子等,报告质量中风险分层、样本量估算与补充信息等条目未报告或报告不全面。结论国内医院感染预测模型研究存在方法学缺陷与不完整的报告情况,限制了研究结果的可靠性与适用性,有较大的改进空间。
