糖尿病脓毒症患者28d死亡风险预测模型的构建与评价
李玉倩1
巴一娜·巴特荣苏1
崔建2
王轶希3
李文哲4
1.830054 新疆乌鲁木齐,新疆医科大学第一附属医院麻醉科;830054 新疆乌鲁木齐,省部共建中亚高发病成因与防治国家重点实验室2.830054 新疆乌鲁木齐,新疆医科大学第一附属医院重症医学科3.830054 新疆乌鲁木齐,省部共建中亚高发病成因与防治国家重点实验室;830054 新疆乌鲁木齐,新疆医科大学第一附属医院脊柱微创与精准骨科4.830054 新疆乌鲁木齐,省部共建中亚高发病成因与防治国家重点实验室;830054 新疆乌鲁木齐,新疆医科大学第一附属医院重症医学科
摘要：目的 基于机器学习构建糖尿病脓毒症患者28 d死亡风险预测模型,以优化治疗并改善患者临床预后.方法 基于MIMIC-Ⅳ 2.2数据库,根据脓毒症3.0定义制定筛选策略并以ICD-9和ICD-10糖尿病诊断代码筛选糖尿病脓毒症患者并提取临床数据.根据患者28 d生存与否进行分组,利用Boruta算法(双参数)、Logistic回归和Lasso回归筛选特征变量,进而构建包括Logistic回归、梯度提升机(GBM)、LightGBM、AdaBoost、CatBoost、K近邻法、神经网络、支持向量机在内的八种机器学习模型预测患者28 d死亡风险,并进行超参数优化及交叉验证评价模型过拟合风险,运用八种模型评价指标选择最优模型进行SHAP分析,解释模型性能.结果 研究共纳入9 235例糖尿病脓毒症患者,筛选出10个重要特征变量包括急性生理与慢性健康状况评价Ⅱ(APACHEⅡ)评分、年龄、心率、呼吸频率、序贯器官衰竭评估(SOFA)评分、血乳酸、查尔森指数、脉搏血氧饱和度、活化部分凝血活酶时间(APTT)和pH值进行建模,经超参数优化及模型性能评估后,GBM模型表现出最优的稳定性和预测效能.GBM模型在训练集、测试集的曲线下面积(AUC)和95％置信区间(CI)分别为 0.825(95％CI0.811～0.839)和 0.771(95％CI 0.747～0.794).决策曲线及校准曲线分析显示,GBM模型的临床决策净获益显著,稳定性良好.SHAP分析揭示了 APACHE Ⅱ评分、年龄和心率对GBM模型预测效能的影响最大,该模型易用性强,能够快速预测糖尿病脓毒症患者28 d死亡风险的概率.结论 基于GBM算法构建并验证的糖尿病脓毒症患者28 d死亡风险预测模型具有良好的临床可及性和病理机制可解释性,能够助力于患者早期干预的精准分层,优化临床诊疗策略,改善患者临床预后.
关键词：脓毒症糖尿病机器学习预测模型
资助基金：国家重点实验室开放基金(SKL-HIDCA2024-RWS2)新疆维吾尔自治区研究生科研创新项目(XJ2025G165)
论文发表日期：2026-02-10
在线出版日期：2026-03-18（本平台首次上网日期，不代表文献的发表时间）
页数：8( 84-91 )
英文信息