基于个体化机器学习的原发性免疫性血小板减少症危重出血预测模型:一项全国前瞻性队列研究（英文）

作者：安倬玉; 吴冶君; 侯宇; 梅恒; 农卫霞; 李文倩; 周虎; 冯茹; 沈建平; 彭军; 周海; 刘毅; 宋永平; 杨林花; 方美云; 李建勇; 程韵枫; 刘澎; 徐雅靖; 王昭; 罗依; 蔡真; 刘辉; 王景文; 李娟; 张曦; 孙自敏; 朱小玉; 王欣; 付蓉; 黄亮; 王少元; 杨同华; 苏丽萍; 马梁明; 陈协群; 刘代红; 姚红霞; 冯佳; 张红宇; 江明; 周泽平; 王文生; 申徐良; 白玛央金; 李玥颖; 王前飞; 皇秋莎; 付海霞; 朱晓璐; 何云; 江倩; 江浩; 路瑾; 赵翔宇; 常英军; 吴涛; 潘耀柱; 邱林; 高大; 金阿荣; 李薇; 高素君; 张磊; 侯明; 黄晓军; 张晓辉

来源：Science Bulletin, 2023, 68(18): 2106-2114.

• Critical bleeding
• Severe bleeding
• Immune thrombocytopenia
• Machine learning
• Prediction model

原发性免疫性血小板减少症(ITP)中少见但至关重要的危重出血事件,给患者的预后、生活质量和治疗决策带来严重影响.尽管有一些研究探讨了ITP中与危重出血相关的风险因素,但目前尚缺乏大样本数据、大规模多中心研究结果以及针对ITP患者致命出血事件的预测模型.本研究首次采用国际血栓与止血学会新提出的ITP致命出血标准,利用大样本数据开发了首个基于机器学习的在线应用,用于预测ITP患者的致命出血.研究中,我们使用中国各地大型多中心数据进行开发,并对全国39家医疗中心进行为期一年的外部测试,得到了较好的训练、验证和测试数据集预测能力.该基于新算法的便捷网络工具能够快速识别ITP患者的出血风险,辅助临床决策,有望未来降低不良事件的发生.

• 单位
  中国医学科学院北京协和医院; 天津医科大学; 北京协和医学院; 郑州大学; 北京大学; 中国科学技术大学