随着信息化技术与医疗领域结合的深入发展,临床医疗相关数据的挖掘与应用逐渐成为热点研究领域。相对于普通病房而言,重症加强护理病房（ICU）的患者数据在数据的种类和标准化上的质量都更高,更有利于根据患者的医疗数据进行研究与分析。本文的研究是基于MIMIC-Ⅲ重症监护数据库展开的。首先对MIMIC-Ⅲ数据库做了探索性分析。接着,按照《国际疾病与相关健康问题统计分类》第九版（ICD-9）对疾病的定义和分类,从MIMIC-Ⅲ重症监护数据库出发,确定未指明肺炎患者为本文研究对象,参考相关医学文献从数据集中选择并提取变量构建数据集。在建模之前,对数据集进行预处理,将各变量的时间序列型数据以最大值、最小值以及均值的形式代替,从而降低数据复杂程度,简化数据结构。将样本量为2606、以患者是否在医院内死亡为标签、包含121个变量的原始数据集按照7:3的比例划分为训练集和测试集,采用中位数、均值、随机森林填充缺失值的方法处理数据集,在训练集上分别建立随机森林、XGBoost以及Light GBM模型,运用10折交叉验证的方法综合对比模型的评估指标,选出性能最佳的XGBoost模型作为未指明肺炎患者的死亡预测模型,模型的查全率为0.7325、F1的值为0.7976、AUC的值为0.9554。再基于树模型的属性,选出特征重要性在规定阈值以上的19个变量,这些变量在死亡预测模型中具有很高的贡献。医护人员可以通过对患者各变量及时的监测和记录,将数据反映给专业的数据处理人员,通过未指明肺炎患者的XGBoost死亡预测模型对患者的情况进行预测,从而辅助医护人员进行临床诊断,分配医疗资源。虽然集成模型的预测效果比较理想,但是树模型在对变量的分析上存在不足,因此从可解释性比较强的逻辑回归模型出发,对未指明肺炎患者进行进一步地研究和分析。首先确定训练集中各变量的最佳分组数,计算变量在不同分组下的证据权重（WOE）,通过WOE的值可以比较明确地解释当前变量与标签的关联,特别是当变量与标签呈非线性关系时。计算各变量的信息值（IV）,筛选出IV值大于等于0.1的102个变量,将这些变量经过WOE值变换后建立逻辑回归模型,筛选显著的变量后,最终建立的模型的查全率为0.7143、F1的值为0.7232、AUC的值为0.9103。基于逻辑回归模型的参数,进一步地建立患者的预警评分模型。对预警评分模型的效果进行秩和检验与PSI检验,检验结果认为该预警评分模型对患者死亡率风险的拟合效果良好。再根据不同分数区间下患者的死亡率情况将患者进行划分,设定5个不同的风险等级。也就是说,医护人员可以通过观测阴离子间隙、镁、总胆红素、红细胞分布宽度、葡萄糖、血氧饱和度、天冬氨酸转氨酶、碱剩余、心率、血二氧化碳分压、白细胞、白蛋白、血小板、嗜中性粒细胞、无创收缩压、单核细胞以及体温这17个变量的情况,计算患者的评分,根据患者所处的等级判断患者的情况,从而指导医护人员对患者实施救治及护理措施。总的来说,本文针对未指明肺炎患者进行了两部分研究,分别是根据XGBoost构建的死亡预测模型与基于逻辑回归方法构建的预警评分模型。前者的预测效果无论从查全率还是AUC的值来说都更高,但是当需要更直观地解释变量情况时,逻辑回归模型的效果更佳。两者都具有一定的实际意义,是对未指明肺炎患者相关研究的补充。