机器学习对创伤合并急性呼吸窘迫综合征患者院内死亡的预测价值——一项基于MIMICⅢ数据库的资料分析

作者：唐瑞; 唐雯; 王导新^*

来源：中华危重病急救医学, 2022, 34(03): 260-264.

• 机器学习
• 急性呼吸窘迫综合征
• 创伤
• 人工智能

目的探讨机器学习方法对创伤合并急性呼吸窘迫综合征(ARDS)患者院内死亡的预测价值。方法采用回顾性非干预性病例对照研究。从于美国重症监护医学信息数据库Ⅲ(MIMICⅢ)数据库中提取符合柏林ARDS标准定义的创伤合并ARDS患者, 收集患者的基本信息〔包括性别、年龄、体质量指数(BMI)、pH值、氧合指数、实验室指标、重症监护病房(ICU)住院时间、行机械通气(MV)或连续性肾脏替代治疗(CRRT)比例、急性生理学评分Ⅲ(APSⅢ)、序贯器官衰竭评分(SOFA)和简化急性生理学评分Ⅱ(SAPSⅡ)〕、并发症和合并症〔包括高血压、糖尿病、感染、急性失血性贫血、脓毒症、休克、酸中毒和肺炎〕以及预后情况。采用多因素Logistic回归分析筛选有意义的变量(P<0.05), 构建Logistic回归模型、XGBoost模型和人工神经网络模型, 并绘制受试者工作特征曲线(ROC曲线)评估3个模型对创伤合并ARDS患者院内死亡的预测价值。结果共纳入760例创伤合并ARDS患者, 其中轻度346例, 中度301例, 重度113例;院内存活618例, 院内死亡142例;736例接受MV, 65例接受CRRT。多因素Logistic回归分析筛选出有意义的变量, 包括年龄〔优势比(OR)=1.035, 95%可信区间(95%CI)为1.020～1.050, P<0.001〕、BMI(OR=0.949, 95%CI为0.917～0.983, P=0.003)、血尿素氮(BUN;OR=1.019, 95%CI为1.004～1.033, P=0.010)、血乳酸(Lac;OR=1.213, 95%CI为1.124～1.309, P<0.001)、红细胞分布宽度(RDW;OR=1.249, 95%CI为1.102～1.416, P<0.001)、血细胞比容(HCT;OR=1.057, 95%CI为1.019～1.097, P=0.003)、高血压(OR=0.614, 95%CI为0.389～0.968, P=0.036)、感染(OR=0.463, 95%CI为0.289～0.741, P=0.001)、急性肾衰竭(OR=2.021, 95%CI为1.267～3.224, P=0.003)、脓毒症(OR=2.105, 95%CI为1.265～3.502, P=0.004), 使用上述变量构建模型。Logistic回归模型、XGBoost模型和人工神经网络模型预测创伤合并ARDS患者院内死亡的ROC曲线下面积(AUC)分别为0.737(95%CI为0.659～0.815)、0.745(95%CI为0.672～0.819)和0.757(95%CI为0.680～0.884), 任意两个模型之间比较差异均无统计学意义(均P>0.05)。结论纳入年龄、BMI、BUN、Lac、RDW、HCT、高血压、感染、急性肾衰竭、脓毒症变量的Logistic回归模型、XGBoost模型和人工神经网络模型对创伤合并ARDS患者院内死亡有良好的预测价值。

• 单位
  重庆医科大学附属第二医院