建立梯度提升机模型预测RICU机械通气并发呼吸机相关性肺炎患者的短期预后

目的构建梯度提升机(GBM)模型预测呼吸重症监护病房(RICU)机械通气患者并发呼吸机相关性肺炎(VAP)的短期预后情况。方法回顾性分析RICU收治的350例机械通气并发VAP患者的临床资料,根据随访结局将患者分为死亡组(n=110)和生存组(n=240),筛选影响其预后的危险因素。按8∶2比例将患者随机分为训练集280例和验证集70例,采用R语言4.2.1软件构建GBM预测RICU机械通气并发VAP患者的短期预后模型并评价模型的预测效能。结果年龄、机械通气时间、C反应蛋白(CRP)水平、血清降钙素原水平、急性生理学与慢性健康状况评分系统Ⅱ(APACHEⅡ)评分及序贯器官衰竭评估(SOFA)评分是RICU机械通气并发VAP患者预后的影响因素(P<0.05)。基于上述影响因素构建的GBM模型在训练集中的受试者工作特征曲线下的面积(AUC)为0.926(95%CI:0.894,0.958),敏感度为85.4%、特异度为86.2%,在验证集中的AUC为0.880(95%CI:0.779,0.980),敏感度为85.7%、特异度为86.4%;校准曲线显示,GBM模型的预测概率与实际发生率基本一致;决策曲线分析显示,训练集和验证集的阈概率分别在0.10~0.98、0.10~0.80。结论基于年龄、机械通气时间、CRP水平、血清降钙素原水平、APACHEⅡ评分及SOFA评分构建的GBM模型对RICU机械通气并发VAP患者的短期预后情况有较好的预测价值。

梯度提升机模型在非静脉曲张上消化道出血后再出血中的预测价值

目的:探讨梯度提升机(GBM)模型在预测非静脉曲张上消化道出血(NVUDB)患者再出血中的临床价值。方法:回顾性分析2020年10月至2021年12月本院收治的258例NVUDB患者的临床资料,并按照7∶3比例将数据集随机分为训练集和验证集,分别用于构建GBM模型和验证模型的可靠性。采用受试者工作特征(ROC)曲线分析评价模型性能,校准曲线评估模型预测概率与样本概率之间的一致性,决策曲线评估该模型的临床实用性。结果:NVUDB患者再出血发生率为20.9%。GBM算法模型中重要特征得分前5项为Rockall评分、入院时休克、D-二聚体水平、白蛋白水平、红细胞分布宽度。训练集曲线下面积为0.985(95%CI:0.971~0.998),验证集为0.873(95%CI:0.785~0.960)。训练集的预测准确率为92.2%,验证集的预测准确率为83.3%。校准曲线显示GBM模型预测值与实际观测值之间具有良好的一致性,模型能够较好地预测实际概率。临床决策曲线分析结果展示了模型具有良好的临床表现能力。结论:基于GBM算法模型可以较好地预测NVUDB患者再出血的风险因素,且具有较高的临床有效性。

支气管哮喘疗效预测模型构建的研究

目的 利用咳喘停穴位贴敷治疗支气管哮喘(简称“哮喘”)患者的数据,探讨中医药疗效预测模型构建方法及要点。方法 在哮喘慢病管理科研平台上,选择2018—2021年的6—8月于江苏省中医院针灸康复科接受咳喘停穴位贴敷治疗6周的支气管哮喘患者的数据资料,共303例。统计分析使用Python 3.10软件,对影响因素进行初步筛选,将保留的影响因素采用Logistic回归、支持向量机、K-均值聚类算法、贝叶斯算法、随机森林法和轻量梯度提升机算法(LightGBM)分别构建模型,以哮喘控制测试评分(ACT)、第1秒用力呼气量(FEV1)及呼出气一氧化氮(FeNO)是否改善为结局指标,对各模型进行比较分析。然后,采用较优的模型,通过在训练集上建模、在验证集上验证,得到准确率,并筛选出重要的影响因素。结果 LightGBM模型被采用。通过LightGBM模型建立的咳喘停穴位贴敷治疗哮喘的疗效预测模型准确率均超过70%;最终筛选出烟酒嗜好、过敏病史、贴敷时间、治疗前ACT及治疗前FeNO共5个重要的影响因素。重要影响因素的分级分组与因变量关系的分析结果显示,咳喘停穴位贴敷对无过敏史、无烟酒嗜好和治疗前哮喘控制水平很差(ACT 5~15分)人群的ACT改善更明显(P<0.05);对于贴敷时间超过3年的患者FeNO改善较贴敷时间小于等于3年的更明显(P<0.05)。但咳喘停穴位贴敷仅对哮喘控制水平很差(P<0.05)和气道炎症严重(FeNO>50×10^(-9))的少数患者FeNO(P>0.05)起改善作用。结论 穴位贴敷对哮喘控制水平的改善作用较明显,对气道炎症的改善作用有限;利用哮喘慢病管理科研平台的数据进行预测模型构建具有一定可行性;根据本研究的数据所建立的预测模型经过优化和测试后有可能为临床针对性治疗提供有效的测评工具。