背景脓毒症患者死亡率高。准确预测不良结局的发生,有助于医疗资源的有效分配。目的建立一种机器学习模型预测脓毒症患者早期死亡风险,辅助临床医生进行临床决策。方法从重症监护医疗信息市场(Medical Information Mart for Intensive C...背景脓毒症患者死亡率高。准确预测不良结局的发生,有助于医疗资源的有效分配。目的建立一种机器学习模型预测脓毒症患者早期死亡风险,辅助临床医生进行临床决策。方法从重症监护医疗信息市场(Medical Information Mart for Intensive Care,MIMIC)Ⅲ数据库筛选出符合Sepsis-3标准的脓毒症患者,随机抽取70%的病例作为训练集用于建立模型,其余30%的数据用作验证集。使用极度梯度提升(extreme gradient boosting,XGBoost)模型集成相关参数预测脓毒症患者重症监护病房(intensive care unit,ICU)死亡风险,预测能力通过受试者工作特征(receiver operating characteristic,ROC)曲线评估,并与简化急性生理评分(simplified acute physiology score,SAPS)Ⅱ、序贯性器官衰竭评分(sequential organ failure assessment,SOFA)、全身炎症反应综合征(systemic inflammatory response syndrome,SIRS)标准、快速器官衰竭评分(quick sequential organ failure assessment,qSOFA)等对比验证模型的预测价值。结果共纳入4939例脓毒症患者,其中ICU内死亡患者551例,存活患者4388例;以患者是否ICU死亡作为结局,建立XGBoost模型获得ROC曲线下面积(AUC)为0.848,敏感度0.841,特异性0.711,准确性0.726,均较其他评分高(P<0.05)。模型中排名前10的特征主要为:入ICU后24 h内血乳酸平均值、血管活性药物评分(vasoactive-inotropic score,VIS)、是否患有恶性肿瘤、天冬氨酸氨基转移酶(aspartate aminotransferase,AST)、阴离子间隙(anion gap,AG)、是否接受机械通气治疗、国际标准化比值(international normalized ratio,INR)、格拉斯哥昏迷指数(Glasgow coma scale,GCS)、重症监护病房类型、入ICU后24 h内血乳酸最大值。结论XGBoost模型较临床常用评分能够更加准确地预测脓毒症患者的死亡风险,有助于辅助临床决策,分配医疗资源。展开更多
背景重症监护病房内多重耐药菌(multidrug-resistant organisms,MDRO)感染发生率高,对接受重症监护的急性胰腺炎患者的抗生素治疗带来严峻挑战。目的对解放军总医院(以下简称“我院”)重症胰腺炎治疗中心重症监护病房和美国重症监护医...背景重症监护病房内多重耐药菌(multidrug-resistant organisms,MDRO)感染发生率高,对接受重症监护的急性胰腺炎患者的抗生素治疗带来严峻挑战。目的对解放军总医院(以下简称“我院”)重症胰腺炎治疗中心重症监护病房和美国重症监护医疗信息库Ⅳ版(Medical Information Mart for Intensive Care-Ⅳ,MIMIC-Ⅳ)中急性胰腺炎(acute pancreatitis,AP)病例的病原菌和耐药情况进行分析,为抗感染的经验性治疗提供依据,探讨中美抗生素耐药形势差异及带来的启示。方法回顾性收集我院2018-2019年以及MIMIC-Ⅳ中2014-2019年的AP患者送检标本培养结果和药敏结果,分析AP患者感染的主要病原菌和耐药情况。结果我院AP患者数量为314例,培养鉴定出微生物菌株570株;MIMIC-Ⅳ中AP患者数量为604例,培养鉴定出微生物菌株368株。我院不同标本来源中(除尿液外)的微生物均以肺炎克雷伯菌(17.24%~26.92%)和鲍曼不动杆菌(13.56%~46.15%)为主;而MIMIC-Ⅳ中腹水、尿液和静脉血中检出最多的微生物分别为铜绿假单胞菌(17.39%)、大肠埃希菌(22.22%)和肺炎克雷伯菌(16.90%)等,呼吸道标本和中心静脉导管中以金黄色葡萄球菌(分别为28.37%和100%)最多,胆汁中凝固酶阴性葡萄球菌(21.43%)和金黄色葡萄球菌(14.29%)较多。我院肺炎克雷伯菌和鲍曼不动杆菌中MDRO的占比在90%以上,分别为94.55%和99.02%,铜绿假单胞菌和大肠埃希菌中MDRO的占比在80%以上,分别为82.14%和83.87%;MIMIC-Ⅳ中肺炎克雷伯菌、铜绿假单胞菌和大肠埃希菌中MDRO的占比分别为25.93%,27.59%和26.83%。结论国内外重症数据库中急性胰腺炎患者标本分离到的微生物主要为革兰阴性菌,国外首位为金黄色葡萄球菌,国内首位为肺炎克雷伯菌,主要阴性菌耐药情况较国外明显严重。展开更多
背景左心房大小是心血管事件发生的预测因子,左心房结构和功能对心血管疾病的诊疗和预后具有重要意义。既往临床对多器官功能障碍综合征(multiple organ dysfunction syndrome,MODS)患者心功能的研究主要关注左、右心室的结构和功能,而...背景左心房大小是心血管事件发生的预测因子,左心房结构和功能对心血管疾病的诊疗和预后具有重要意义。既往临床对多器官功能障碍综合征(multiple organ dysfunction syndrome,MODS)患者心功能的研究主要关注左、右心室的结构和功能,而对左心房的研究相对较少。目的探讨应用斑点追踪成像(speckle tracking imaging,STI)相关指标评价创伤性MODS患者左心房功能的可行性。方法选取2019年1月-2022年4月在解放军总医院第一医学中心及战略支援部队特色医学中心确诊的创伤性MODS患者57例,其中男性41例,女性16例,年龄19~82岁。在确诊MODS的24 h内完成超声心动图检查。采用双平面Simpson法获得左心室射血分数(left ventricular ejection fraction,LVEF)、左心房总排空分数(left atrial total emptying fraction,LATEF)、左心房主动排空分数(left atrial active emptying fraction,LAAEF)和左心房被动排空分数(left atrial passive emptying fraction,LAPEF)。应用STI软件分析获得左心房储器纵向应变(longitudinal strain of left atrial reservoir,LASr)、左心房管道纵向应变(longitudinal strain of left atrial duct,LAScd)和左心房辅泵纵向应变(longitudinal strain of left atrial accessory pump,LASct)。利用ROC曲线评估相关参数对左心房功能的诊断价值,计算曲线下面积。另选取年龄、性别、心血管危险因素与创伤性MODS组相匹配的45例普通创伤患者作为对照组,对比两组左心房收缩功能相关参数的变化。结果创伤性MODS组LVEF、LATEF、LAAEF、LASr、LAScd和LASct均较对照组降低(P均<0.01);ROC曲线分析显示,评价创伤性MODS患者左心房收缩功能时,LATEF、LAAEF、LAPEF、LASr、LAScd、LASct曲线下面积分别为0.789、0.801、0.496、0.943、0.890、0.766,最佳分界值分别为48.07%、26.58%、25.88%、43.15%、-24.86%、-10.25%,敏感度分别为0.80、0.79、0.62、0.89、0.96、0.85,特异度分别为0.53、0.61、0.65、0.74、0.63、0.59。结论在创伤性MODS早期,左心房储器功能、管道功能和辅泵功能均已受损,LASr对左心房功能的预测价值最高。STI定量评估左心房纵向应变能够发现患者左心房功能障碍,可为临床综合评估心脏功能提供依据。展开更多
背景急性肾损伤(acute kidney injury,AKI)在重症监护室(intensive care unit,ICU)发病率高,尤其对于老年人群更是如此。寻找ICU老年AKI的危险因素,建立早期预测模型,有助于临床决策。目的采用机器学习的方法建立ICU老年患者AKI的早期...背景急性肾损伤(acute kidney injury,AKI)在重症监护室(intensive care unit,ICU)发病率高,尤其对于老年人群更是如此。寻找ICU老年AKI的危险因素,建立早期预测模型,有助于临床决策。目的采用机器学习的方法建立ICU老年患者AKI的早期预测模型。方法收集2018年1月-2021年12月入住解放军总医院第一医学中心重症医学科年龄≥65岁的老年患者的临床资料(80%用于训练集,20%用于测试集)。以是否发生AKI为结局变量,纳入人口统计学、生命体征、实验室检查、合并症等55个预测变量,通过多个机器学习模型(包含决策树、随机森林、逻辑回归、XGBoost、LightGBM)开发多变量预测模型。利用受试者工作特征曲线(ROC曲线)下面积(area under curve,AUC)、准确性、敏感度、特异度、F1值评估模型性能,选出最优模型。结果最终纳入968例老年患者,其中共304例患AKI(占31.4%)。LightGBM模型的AUC最高,为0.887,决策树、随机森林、逻辑回归、XGBoost模型的AUC分别为0.795、0.850、0.853、0.875。其中LightGBM模型排前5位的特征变量为查尔森合并症指数、液体入量、血清肌酐、N末端脑利钠肽前体和乳酸。结论我们利用LightGBM机器学习方法开发并建立了一个ICU老年患者的AKI早期预测模型,具有较好的预测效能,有助于临床早期预测及预防ICU老年AKI的发生。展开更多
文摘背景脓毒症患者死亡率高。准确预测不良结局的发生,有助于医疗资源的有效分配。目的建立一种机器学习模型预测脓毒症患者早期死亡风险,辅助临床医生进行临床决策。方法从重症监护医疗信息市场(Medical Information Mart for Intensive Care,MIMIC)Ⅲ数据库筛选出符合Sepsis-3标准的脓毒症患者,随机抽取70%的病例作为训练集用于建立模型,其余30%的数据用作验证集。使用极度梯度提升(extreme gradient boosting,XGBoost)模型集成相关参数预测脓毒症患者重症监护病房(intensive care unit,ICU)死亡风险,预测能力通过受试者工作特征(receiver operating characteristic,ROC)曲线评估,并与简化急性生理评分(simplified acute physiology score,SAPS)Ⅱ、序贯性器官衰竭评分(sequential organ failure assessment,SOFA)、全身炎症反应综合征(systemic inflammatory response syndrome,SIRS)标准、快速器官衰竭评分(quick sequential organ failure assessment,qSOFA)等对比验证模型的预测价值。结果共纳入4939例脓毒症患者,其中ICU内死亡患者551例,存活患者4388例;以患者是否ICU死亡作为结局,建立XGBoost模型获得ROC曲线下面积(AUC)为0.848,敏感度0.841,特异性0.711,准确性0.726,均较其他评分高(P<0.05)。模型中排名前10的特征主要为:入ICU后24 h内血乳酸平均值、血管活性药物评分(vasoactive-inotropic score,VIS)、是否患有恶性肿瘤、天冬氨酸氨基转移酶(aspartate aminotransferase,AST)、阴离子间隙(anion gap,AG)、是否接受机械通气治疗、国际标准化比值(international normalized ratio,INR)、格拉斯哥昏迷指数(Glasgow coma scale,GCS)、重症监护病房类型、入ICU后24 h内血乳酸最大值。结论XGBoost模型较临床常用评分能够更加准确地预测脓毒症患者的死亡风险,有助于辅助临床决策,分配医疗资源。
文摘背景重症监护病房内多重耐药菌(multidrug-resistant organisms,MDRO)感染发生率高,对接受重症监护的急性胰腺炎患者的抗生素治疗带来严峻挑战。目的对解放军总医院(以下简称“我院”)重症胰腺炎治疗中心重症监护病房和美国重症监护医疗信息库Ⅳ版(Medical Information Mart for Intensive Care-Ⅳ,MIMIC-Ⅳ)中急性胰腺炎(acute pancreatitis,AP)病例的病原菌和耐药情况进行分析,为抗感染的经验性治疗提供依据,探讨中美抗生素耐药形势差异及带来的启示。方法回顾性收集我院2018-2019年以及MIMIC-Ⅳ中2014-2019年的AP患者送检标本培养结果和药敏结果,分析AP患者感染的主要病原菌和耐药情况。结果我院AP患者数量为314例,培养鉴定出微生物菌株570株;MIMIC-Ⅳ中AP患者数量为604例,培养鉴定出微生物菌株368株。我院不同标本来源中(除尿液外)的微生物均以肺炎克雷伯菌(17.24%~26.92%)和鲍曼不动杆菌(13.56%~46.15%)为主;而MIMIC-Ⅳ中腹水、尿液和静脉血中检出最多的微生物分别为铜绿假单胞菌(17.39%)、大肠埃希菌(22.22%)和肺炎克雷伯菌(16.90%)等,呼吸道标本和中心静脉导管中以金黄色葡萄球菌(分别为28.37%和100%)最多,胆汁中凝固酶阴性葡萄球菌(21.43%)和金黄色葡萄球菌(14.29%)较多。我院肺炎克雷伯菌和鲍曼不动杆菌中MDRO的占比在90%以上,分别为94.55%和99.02%,铜绿假单胞菌和大肠埃希菌中MDRO的占比在80%以上,分别为82.14%和83.87%;MIMIC-Ⅳ中肺炎克雷伯菌、铜绿假单胞菌和大肠埃希菌中MDRO的占比分别为25.93%,27.59%和26.83%。结论国内外重症数据库中急性胰腺炎患者标本分离到的微生物主要为革兰阴性菌,国外首位为金黄色葡萄球菌,国内首位为肺炎克雷伯菌,主要阴性菌耐药情况较国外明显严重。
文摘背景左心房大小是心血管事件发生的预测因子,左心房结构和功能对心血管疾病的诊疗和预后具有重要意义。既往临床对多器官功能障碍综合征(multiple organ dysfunction syndrome,MODS)患者心功能的研究主要关注左、右心室的结构和功能,而对左心房的研究相对较少。目的探讨应用斑点追踪成像(speckle tracking imaging,STI)相关指标评价创伤性MODS患者左心房功能的可行性。方法选取2019年1月-2022年4月在解放军总医院第一医学中心及战略支援部队特色医学中心确诊的创伤性MODS患者57例,其中男性41例,女性16例,年龄19~82岁。在确诊MODS的24 h内完成超声心动图检查。采用双平面Simpson法获得左心室射血分数(left ventricular ejection fraction,LVEF)、左心房总排空分数(left atrial total emptying fraction,LATEF)、左心房主动排空分数(left atrial active emptying fraction,LAAEF)和左心房被动排空分数(left atrial passive emptying fraction,LAPEF)。应用STI软件分析获得左心房储器纵向应变(longitudinal strain of left atrial reservoir,LASr)、左心房管道纵向应变(longitudinal strain of left atrial duct,LAScd)和左心房辅泵纵向应变(longitudinal strain of left atrial accessory pump,LASct)。利用ROC曲线评估相关参数对左心房功能的诊断价值,计算曲线下面积。另选取年龄、性别、心血管危险因素与创伤性MODS组相匹配的45例普通创伤患者作为对照组,对比两组左心房收缩功能相关参数的变化。结果创伤性MODS组LVEF、LATEF、LAAEF、LASr、LAScd和LASct均较对照组降低(P均<0.01);ROC曲线分析显示,评价创伤性MODS患者左心房收缩功能时,LATEF、LAAEF、LAPEF、LASr、LAScd、LASct曲线下面积分别为0.789、0.801、0.496、0.943、0.890、0.766,最佳分界值分别为48.07%、26.58%、25.88%、43.15%、-24.86%、-10.25%,敏感度分别为0.80、0.79、0.62、0.89、0.96、0.85,特异度分别为0.53、0.61、0.65、0.74、0.63、0.59。结论在创伤性MODS早期,左心房储器功能、管道功能和辅泵功能均已受损,LASr对左心房功能的预测价值最高。STI定量评估左心房纵向应变能够发现患者左心房功能障碍,可为临床综合评估心脏功能提供依据。
文摘背景急性肾损伤(acute kidney injury,AKI)在重症监护室(intensive care unit,ICU)发病率高,尤其对于老年人群更是如此。寻找ICU老年AKI的危险因素,建立早期预测模型,有助于临床决策。目的采用机器学习的方法建立ICU老年患者AKI的早期预测模型。方法收集2018年1月-2021年12月入住解放军总医院第一医学中心重症医学科年龄≥65岁的老年患者的临床资料(80%用于训练集,20%用于测试集)。以是否发生AKI为结局变量,纳入人口统计学、生命体征、实验室检查、合并症等55个预测变量,通过多个机器学习模型(包含决策树、随机森林、逻辑回归、XGBoost、LightGBM)开发多变量预测模型。利用受试者工作特征曲线(ROC曲线)下面积(area under curve,AUC)、准确性、敏感度、特异度、F1值评估模型性能,选出最优模型。结果最终纳入968例老年患者,其中共304例患AKI(占31.4%)。LightGBM模型的AUC最高,为0.887,决策树、随机森林、逻辑回归、XGBoost模型的AUC分别为0.795、0.850、0.853、0.875。其中LightGBM模型排前5位的特征变量为查尔森合并症指数、液体入量、血清肌酐、N末端脑利钠肽前体和乳酸。结论我们利用LightGBM机器学习方法开发并建立了一个ICU老年患者的AKI早期预测模型,具有较好的预测效能,有助于临床早期预测及预防ICU老年AKI的发生。
