目的系统评价机器学习(machine learning,ML)用于预测院外心脏骤停(out-of-hospital cardiac arrest,OHCA)神经系统结局,并研制预测模型。方法计算机检索PubMed、Web of Science、EMbase、中国知网、万方数据库。搜集关于ML用于预测OHC...目的系统评价机器学习(machine learning,ML)用于预测院外心脏骤停(out-of-hospital cardiac arrest,OHCA)神经系统结局,并研制预测模型。方法计算机检索PubMed、Web of Science、EMbase、中国知网、万方数据库。搜集关于ML用于预测OHCA神经系统结局的研究,检索时限为2011年1月1日—2021年11月24日。由两名研究者独立筛查文献、提取资料并评价纳入文献的偏倚,评价不同模型的准确性,比较受试者工作特征曲线下面积(area under the receiver operating characteristic curve,AUC)。结果共纳入20篇研究,其中11篇研究来自开源数据库,9篇来自回顾性研究,16篇直接预测OHCA后神经系统结局,4篇预测OHCA后进行目标体温管理治疗后神经系统预后情况。共采用了7种ML算法,其中使用频率最高的是神经网络(n=5),其次为支持向量机和随机森林(n=4),有3篇文章运用了多种算法。使用频次最高的输入特征为年龄(n=19),其次为初始心率(n=17)和性别(n=13)。共有4个研究比较了ML与其它经典统计学模型的预测价值,认为ML模型的AUC值高于经典统计学模型。结论现有证据表明,ML可更准确地预测OHCA后神经系统结局,在特定情况下ML的预测性能优于传统统计学模型。展开更多
文摘目的系统评价机器学习(machine learning,ML)用于预测院外心脏骤停(out-of-hospital cardiac arrest,OHCA)神经系统结局,并研制预测模型。方法计算机检索PubMed、Web of Science、EMbase、中国知网、万方数据库。搜集关于ML用于预测OHCA神经系统结局的研究,检索时限为2011年1月1日—2021年11月24日。由两名研究者独立筛查文献、提取资料并评价纳入文献的偏倚,评价不同模型的准确性,比较受试者工作特征曲线下面积(area under the receiver operating characteristic curve,AUC)。结果共纳入20篇研究,其中11篇研究来自开源数据库,9篇来自回顾性研究,16篇直接预测OHCA后神经系统结局,4篇预测OHCA后进行目标体温管理治疗后神经系统预后情况。共采用了7种ML算法,其中使用频率最高的是神经网络(n=5),其次为支持向量机和随机森林(n=4),有3篇文章运用了多种算法。使用频次最高的输入特征为年龄(n=19),其次为初始心率(n=17)和性别(n=13)。共有4个研究比较了ML与其它经典统计学模型的预测价值,认为ML模型的AUC值高于经典统计学模型。结论现有证据表明,ML可更准确地预测OHCA后神经系统结局,在特定情况下ML的预测性能优于传统统计学模型。
