基于机器学习算法的急诊创伤患者用血预测模型的构建

作者：潘凌凌; 胡哲畅; 李强; 韩文娟; 胡伟^*

来源：中华急诊医学杂志, 2023, 32(05).

• 公共事件
• 用血预测模型
• 机器学习算法
• 急诊创伤
• 血液保障

目的建立基于机器学习算法的急诊创伤患者用血预测模型, 以指导采供血机构做好突发公共事件下群体伤员早期血液需求准备。方法采用回顾性分析, 以2018年1月至2020年12月浙江省12家医院急诊系统数据库中创伤类型患者为研究对象, 排除血液病、肿瘤等慢性病史及外院诊治后转入病例。依据是否输血治疗分为输血组和未输血组, 比较两组患者在人口学及临床特点等方面的差异, 采用计算机学习算法(XGBoost)构建急诊创伤患者用血预测模型和用血量预测模型。结果本研究最终纳入2 025例患者资料, 其中输血组1 146例, 未输血组879例。急诊创伤患者用血需求主要发生在入院3 d内(60%)。影响急诊创伤患者用血预测模型的主要变量为休克指数、红细胞压积、收缩压、腹部受伤、骨盆受伤、腹腔积液和血红蛋白。通过机器学习构建出的急诊创伤患者输血预测模型与传统预测模型对比, XGBoost模型命中率最高, 达59.0%。构建的用血量预测模型采用七级用血量分级时其准确度最高, 偏差在0～1 U之间浮动。根据预测模型得到用血预测公式为∑nw×c。结论初步构建的急诊创伤患者输血预测和用血量预测模型效能优于传统输血预测模型, 为突发公共事件下, 医院与采供血机构优化血液需求评估提供参考。

• 单位
  浙江省血液中心; 浙江大学医学院附属第二医院