论文部分内容阅读
目的 探讨基于随机森林(random forest,RF)构建的疑似感染患者早期脓毒症风险预警模型的应用价值.方法 采用重症监护医疗数据集-Ⅲ(MIMIC-Ⅲ)作为数据源,提取疑似感染患者的一般情况、生命体征、实验室检查等临床特征.将入选数据集按0.7:0.3随机分为训练组与内部验证组.训练组分别基于RF及Logistic回归(LR)建立脓毒症风险预警模型,根据受试者工作特征曲线下面积(AUC)对2种模型予以比较,进而评估RF模型的预警效果;通过内部验证组对RF模型进行内部验证.选取2019年1月-2020年1月海南医学院第二附属医院急诊科及重症监护病房收治的206例疑似感染患者的临床资料作为外部验证组,对RF模型的区分度及校准度进行外部验证.结果 RF模型各变量重要性评分中,年龄、平均动脉压、心率、血红蛋白、血小板、血肌酐、血尿素氮及淋巴细胞数这8个变量得分较高,该模型灵敏度为65.8％,特异度为84.1％,AUC为0.830,95％CI:0.811～0.848.LR模型最终纳入的影响因素为年龄、血肌酐、血尿素氮及C-反应蛋白,该模型灵敏度为58.2％,特异度为59.8％,AUC为0.620,95％CI:0.596～0.643.内部验证组RF模型的AUC为0.812(95％CI:0.774～0.850),且与训练组RF模型的AUC相近.外部验证组RF模型的一致性指数与AUC均为0.825(95％CI:0.762～0.888),同时与训练组RF模型的AUC高度相近,区分度良好;Bootstrap自抽样法校准曲线显示,RF模型预测脓毒症发生风险与实际脓毒症发生风险平均绝对误差为0.022,校准度良好.结论 RF脓毒症风险预警模型具有较佳的预测性能,且稳定性、有效性、准确性及可行性均较高,具有一定的临床应用价值.