基于多维动态特征的重症患者死亡风险预测模型构建

目的基于医院信息系统(HIS)收集的重症患者多维动态临床特征,采用随机森林算法构建死亡风险预测模型,并比较该模型和急性生理学与慢性健康状况评分Ⅱ(APACHEⅡ)模型的预测效能。方法从中南大学湘雅三医院HIS系统提取2014年1月至2020年6月收治的10925例年龄在14岁以上的重症住院患者病历资料,同时提取所有重症患者的APACHEⅡ评分记录,并基于APACHEⅡ评分系统中提出的死亡风险计算公式计算患者的预期死亡概率。将有APACHEⅡ评分记录的689个样本作为测试集;其他10236个样本数据用于建立随机森林模型,其中随机选取10%(n=1024)作为验证集,90%(n=9212)作为训练集。按照病危结束前3 d的时间序列选取患者一般资料、生命体征数据、生化检验结果和静脉用药剂量等临床特征,构建重症患者死亡风险预测的随机森林模型。绘制受试者工作特征曲线(ROC曲线),通过ROC曲线下面积(AUROC)评价模型预测效能;根据精准率(Precision)和召回率(Recall)绘制Precision-Recall曲线(PR曲线),通过PR曲线下面积(AUPRC)评价模型的分类准确性;绘制校准曲线,通过校准度指标Brier分数评估模型预测的事件发生概率与实际发生概率的一致性。结果10925例重症患者均纳入分析,其中男性7797例(占71.4%),女性3128例(占28.6%);年龄(58.9±16.3)岁;中位住院时间12(7,20)d;8538例(78.2%)患者入重症监护病房(ICU),中位ICU住院时间66(13,151)h;住院病死率19.0%(2077/10925)。与存活组(n=8848)比较,死亡组(n=2077)患者年龄更大(岁:60.1±16.5比58.5±16.4,P<0.01),入ICU比例更高〔82.8%(1719/2077)比77.1%(6819/8848),P<0.01〕,且合并高血压、糖尿病及脑卒中史的比例亦更高〔44.7%(928/2077)比36.3%(3212/8848),20.0%(415/2077)比16.9%(1495/8848),15.5%(322/2077)比10.0%(885/8848),均P<0.01〕。在测试集数据中,随机森林模型对重症患者住院期间死亡风险的预测价值大于APACHEⅡ模型,主要表现为随机森林模型的AUROC和AUPRC均高于APACHEⅡ模型〔AUROC:0.856(95%可信区间为0.812~0.896)比0.783(95%可信区间为0.737~0.826),AUPRC:0.650(95%可信区间为0.604~0.762)比0.524(95%可信区间为0.439~0.609)〕,Brier分数低于APACHEⅡ模型〔0.104(95%可信区间为0.085~0.113)比0.124(95%可信区间为0.107~0.141)〕。结论基于多维动态特征的随机森林模型对于预测重症患者住院期间死亡风险具有较大的应用价值,且优于传统APACHEⅡ评分系统。