为了及早发现重症监护室中的急性肾损伤高危患者,为其提供适当的护理,实现医疗资源的合理利用,研究建立因果贝叶斯网络模型进行急性肾损伤高危患者死亡风险预测。从重症监护医学信息市场(Medical Information Mart for Intensive CareⅢ...为了及早发现重症监护室中的急性肾损伤高危患者,为其提供适当的护理,实现医疗资源的合理利用,研究建立因果贝叶斯网络模型进行急性肾损伤高危患者死亡风险预测。从重症监护医学信息市场(Medical Information Mart for Intensive CareⅢ,MIMIC-Ⅲ)数据库中筛选了25个研究变量和3870条患者数据,使用因果发现算法进行特征降维。通过NO TEARS算法构建因果图并建立因果贝叶斯网络进行实验,通过机器学习算法验证重要特征的合理性,并对网络结构进行因果效应估计,模型具有最高的受试者工作特征曲线下面积(Area Under the Receiver Operating Characteristic,AUROC)分数,为81.7%,优于逻辑回归(Logistic Regression,LR)、随机森林(Random Forest,RF)和极端梯度提升树(eXtreme Gradient Boosting,XGBoost)。此外,模型的重要特征预测能力在各种建模中都很稳健,构建的因果贝叶斯网络具有更好的预测效果并具备良好的解释能力。展开更多
目的:应用支持向量机(support vector machine,SVM)构建ICU中急性肾功能损伤(acute kidney injury,AKI)患者住院死亡风险预测模型,并比较其与ICU中常用的简化急性生理评分(the simplified acute physiology scoreⅡ,SAPS-Ⅱ)的预测性能...目的:应用支持向量机(support vector machine,SVM)构建ICU中急性肾功能损伤(acute kidney injury,AKI)患者住院死亡风险预测模型,并比较其与ICU中常用的简化急性生理评分(the simplified acute physiology scoreⅡ,SAPS-Ⅱ)的预测性能。方法:使用重症监护医学信息市场(medical information mart for intensive careⅢ,MIMIC-Ⅲ)数据库作为数据来源。根据2012年国际改善全球肾脏病预后组织(Kidney Disease:Improving Global Outcomes,KDIGO)发表的《急性肾损伤临床实践指南》选取MIMIC-Ⅲ数据库中的AKI患者,使用SAPS-Ⅱ中所用到的全部变量构建SVM模型,同时,使用MIMIC-Ⅲ数据库定制本地化的SAPS-Ⅱ模型,并比较其与SVM模型的性能优劣。模型性能的评价方法使用五折交叉验证,评价指标使用受试者工作特征曲线下面积(area under the receiver operation characteristic curve,AUROC)、均方根误差(root mean squared error,RMSE)、灵敏度、特异度和准确率。此外,使用Bland-Altman图评估两模型预测结果的一致性。结果:共纳入19 044例AKI患者,死亡率为13.58%。五折交叉验证的结果显示,SVM模型和定制版SAPS-Ⅱ模型的平均AUROC分别为0.86和0.81,差异有统计学意义(t=13.0,P<0.001),SVM模型和定制版SAPS-Ⅱ模型的平均RMSE分别为0.29和0.31,差异有统计学意义(t=-9.6,P<0.001)。在灵敏度和约登指数方面,SVM模型也均优于定制版的SAPS-Ⅱ模型,差异均具有统计学意义(P分别为0.002和<0.001)。Bland-Altman图显示当患者死亡风险极高或者极低时,两模型预测结果的一致性较好。当患者死亡风险的不确定性较大时,两模型预测结果的一致性较差。结论:相比于传统的SAPS-Ⅱ模型,SVM模型的预测性能更优,且当患者的死亡风险不确定时,这种优势尤其明显;SVM模型更有利于AKI患者的死亡风险识别与早期干预,能有效地帮助ICU临床医生提高医疗质量,有很强的临床应用价值。展开更多
目的使用网状Meta分析方法评估序贯器官衰竭评分(SOFA)、快速序贯器官衰竭评分(qSOFA)及全身炎症反应综合征(SIRS)评分对感染或可疑感染患者死亡风险的预测价值。方法应用计算机检索万方、中国知网(CNKI)、维普、美国国立医学图书馆Pub...目的使用网状Meta分析方法评估序贯器官衰竭评分(SOFA)、快速序贯器官衰竭评分(qSOFA)及全身炎症反应综合征(SIRS)评分对感染或可疑感染患者死亡风险的预测价值。方法应用计算机检索万方、中国知网(CNKI)、维普、美国国立医学图书馆PubMed、科学网(Web of Science)等中英文数据库,检索时间从2016年2月23日至2020年9月5日,同时追踪已检出文献的参考文献,收集关于比较SOFA、qSOFA与SIRS评分中2种或以上评分对感染或可疑感染患者死亡风险预测价值的队列研究。由2名研究者独立筛选文献、提取资料和评价纳入研究的偏倚风险。使用Stata 14.0软件检验3种评分中两两比较的研究间的异质性,采用环不一致性检验法判断直接比较与间接比较的一致性,然后进行网状Meta分析并对结果进行排序,通过累积概率曲线下面积(SUCRA)评估3种评分的预测能力。绘制"比较-校正"漏斗图,评估纳入研究是否存在发表偏倚。结果最终纳入38项研究,整体质量较高。网状Meta分析结果显示,在3种评分的两两比较中,SOFA评分对感染或可疑感染患者死亡风险的预测能力优于qSOFA评分〔均数差(MD)=0.07,95%可信区间(95%CI)为0.05~0.09〕和SIRS评分(MD=0.16,95%CI为0.14~0.18),且qSOFA评分优于SIRS评分(MD=0.09,95%CI为0.07~0.11)。在对感染或可疑感染患者死亡风险预测效能排序中,SOFA评分的预测价值更高,其次是qSOFA评分,SIRS评分最低,SUCRA值分别为1.0、0.5、0。漏斗图显示,所有研究分布于中线两侧,但分布不太对称,提示存在发表偏倚及小样本效应的可能性大。结论SOFA评分对感染或可疑感染患者死亡风险的预测效能较qSOFA评分和SIRS评分更佳,但由于漏斗图提示存在小样本效应和发表偏倚,故仍需开展多中心大样本前瞻性研究进行验证。展开更多
文摘为了及早发现重症监护室中的急性肾损伤高危患者,为其提供适当的护理,实现医疗资源的合理利用,研究建立因果贝叶斯网络模型进行急性肾损伤高危患者死亡风险预测。从重症监护医学信息市场(Medical Information Mart for Intensive CareⅢ,MIMIC-Ⅲ)数据库中筛选了25个研究变量和3870条患者数据,使用因果发现算法进行特征降维。通过NO TEARS算法构建因果图并建立因果贝叶斯网络进行实验,通过机器学习算法验证重要特征的合理性,并对网络结构进行因果效应估计,模型具有最高的受试者工作特征曲线下面积(Area Under the Receiver Operating Characteristic,AUROC)分数,为81.7%,优于逻辑回归(Logistic Regression,LR)、随机森林(Random Forest,RF)和极端梯度提升树(eXtreme Gradient Boosting,XGBoost)。此外,模型的重要特征预测能力在各种建模中都很稳健,构建的因果贝叶斯网络具有更好的预测效果并具备良好的解释能力。
文摘目的:应用支持向量机(support vector machine,SVM)构建ICU中急性肾功能损伤(acute kidney injury,AKI)患者住院死亡风险预测模型,并比较其与ICU中常用的简化急性生理评分(the simplified acute physiology scoreⅡ,SAPS-Ⅱ)的预测性能。方法:使用重症监护医学信息市场(medical information mart for intensive careⅢ,MIMIC-Ⅲ)数据库作为数据来源。根据2012年国际改善全球肾脏病预后组织(Kidney Disease:Improving Global Outcomes,KDIGO)发表的《急性肾损伤临床实践指南》选取MIMIC-Ⅲ数据库中的AKI患者,使用SAPS-Ⅱ中所用到的全部变量构建SVM模型,同时,使用MIMIC-Ⅲ数据库定制本地化的SAPS-Ⅱ模型,并比较其与SVM模型的性能优劣。模型性能的评价方法使用五折交叉验证,评价指标使用受试者工作特征曲线下面积(area under the receiver operation characteristic curve,AUROC)、均方根误差(root mean squared error,RMSE)、灵敏度、特异度和准确率。此外,使用Bland-Altman图评估两模型预测结果的一致性。结果:共纳入19 044例AKI患者,死亡率为13.58%。五折交叉验证的结果显示,SVM模型和定制版SAPS-Ⅱ模型的平均AUROC分别为0.86和0.81,差异有统计学意义(t=13.0,P<0.001),SVM模型和定制版SAPS-Ⅱ模型的平均RMSE分别为0.29和0.31,差异有统计学意义(t=-9.6,P<0.001)。在灵敏度和约登指数方面,SVM模型也均优于定制版的SAPS-Ⅱ模型,差异均具有统计学意义(P分别为0.002和<0.001)。Bland-Altman图显示当患者死亡风险极高或者极低时,两模型预测结果的一致性较好。当患者死亡风险的不确定性较大时,两模型预测结果的一致性较差。结论:相比于传统的SAPS-Ⅱ模型,SVM模型的预测性能更优,且当患者的死亡风险不确定时,这种优势尤其明显;SVM模型更有利于AKI患者的死亡风险识别与早期干预,能有效地帮助ICU临床医生提高医疗质量,有很强的临床应用价值。
文摘目的使用网状Meta分析方法评估序贯器官衰竭评分(SOFA)、快速序贯器官衰竭评分(qSOFA)及全身炎症反应综合征(SIRS)评分对感染或可疑感染患者死亡风险的预测价值。方法应用计算机检索万方、中国知网(CNKI)、维普、美国国立医学图书馆PubMed、科学网(Web of Science)等中英文数据库,检索时间从2016年2月23日至2020年9月5日,同时追踪已检出文献的参考文献,收集关于比较SOFA、qSOFA与SIRS评分中2种或以上评分对感染或可疑感染患者死亡风险预测价值的队列研究。由2名研究者独立筛选文献、提取资料和评价纳入研究的偏倚风险。使用Stata 14.0软件检验3种评分中两两比较的研究间的异质性,采用环不一致性检验法判断直接比较与间接比较的一致性,然后进行网状Meta分析并对结果进行排序,通过累积概率曲线下面积(SUCRA)评估3种评分的预测能力。绘制"比较-校正"漏斗图,评估纳入研究是否存在发表偏倚。结果最终纳入38项研究,整体质量较高。网状Meta分析结果显示,在3种评分的两两比较中,SOFA评分对感染或可疑感染患者死亡风险的预测能力优于qSOFA评分〔均数差(MD)=0.07,95%可信区间(95%CI)为0.05~0.09〕和SIRS评分(MD=0.16,95%CI为0.14~0.18),且qSOFA评分优于SIRS评分(MD=0.09,95%CI为0.07~0.11)。在对感染或可疑感染患者死亡风险预测效能排序中,SOFA评分的预测价值更高,其次是qSOFA评分,SIRS评分最低,SUCRA值分别为1.0、0.5、0。漏斗图显示,所有研究分布于中线两侧,但分布不太对称,提示存在发表偏倚及小样本效应的可能性大。结论SOFA评分对感染或可疑感染患者死亡风险的预测效能较qSOFA评分和SIRS评分更佳,但由于漏斗图提示存在小样本效应和发表偏倚,故仍需开展多中心大样本前瞻性研究进行验证。
