基于数据挖掘的地震创伤患者入院后结局预测模型

作者：孙明伟; 江华; 蔡斌; 彭谨; 杨浩; 周志远; 陈伟; Charles Damien Lu; 曾俊

来源：中华急诊医学杂志, 2014, 23(03): 308-313.

DOI：10.3760/cma.j.issn.1671-0282.2014.03.016

• 地震伤
• 创伤
• 病死率
• 大数据
• 多器官功能损害
• 模式识别
• 偏最小二乘法分类判别
• 数据挖掘
• 病例对照

目的 模式识别技术(PRT)是一种挖掘重要信息的新型工具,可以从海量数据中提取新的知识。基于汶川特大地震中创伤患者的数据,笔者采用PRT建立地震伤员结局预测模型,旨在为提高灾难医学救援水平提供一种新的方法。方法 采用回顾性数据挖掘方法 ,数据来自于四川省医学科学院创伤数据中心2008年5月12日至20日收治的2316例住院地震伤患者病例信息。将患者资料按照生存与死亡、是否发生多器官功能不全综合征(multiple organ dysfunction syndrome,MODS)分组。根据正态性分布检验结果 ,计量资料以均数±标准差(x±s)或者中位数(四分位数)表示,统计检验采用Student T检验或者Wilcox检验;计数资料采用构成比表示,统计检验采用x2检验或者Fisher检验。多元统计分析采用偏最小二乘法判别分析(partial least squarediscriminant analysis,PLS-DA)。多元聚类图采用二维主成分的PLS的投影图,并采用重要性投影指标值(variable important projection,VIP)筛选与临床结局相关的重要变量,工效曲线(receiver operating characteristic curve,ROC)作变量灵敏性分析。结果 经数据清理后1919例患者的病例资料纳入研究;筛选出31项人口学指标、生理-生化指标以及干预因素作为暴露参数;获得36例院内死亡病例和17例MODS病例。MODS相关病死率为47.1%。经过PLS-DA分析,二维主成分得分图可以辨识出生存、MODS和死亡模式。对病死率和MODS进行预测,ROC曲线下面积(area under curve,AUC)分别为0.882和0.979,PLS-DA的重要性投影指标值(VIP)确定了8项生理指标(pH,BE,PaCO2,PaO2,HCO3-1,SBHCO3,Cr和首日补液量)构成了与院内死亡和MODS发生的相关模型。结论研究建立了一项可以预测特大地震创伤入院患者预后模型(由入院接受创伤治疗的生理-生化指标集合和液体复苏干预构成)。基于该模型,将有助于开发帮助医务人员在特大灾难医学救援中早期预判高危患者的计算机辅助诊断系统。

• 单位
  四川省医学科学院·四川省人民医院; 四川省医学科学院(四川省人民医院); 中国科学院; 四川省医学科学院（四川省人民医院）; 中国医学科学院; 北京协和医院