论文部分内容阅读
目的:应用支持向量机(support vector machine,SVM)构建ICU中急性肾功能损伤(acute kidney injury,AKI)患者住院死亡风险预测模型,并比较其与ICU中常用的简化急性生理评分(the simplified acute physiology scoreⅡ,SAPS-Ⅱ)的预测性能。方法:使用重症监护医学信息市场(medical information mart for intensive careⅢ,MIMIC-Ⅲ)数据库作为数据来源。根据2012年国际改善全球肾脏病预后组织(Kidney Disease:Improving Global Outcomes,KDIGO)发表的《急性肾损伤临床实践指南》选取MIMIC-Ⅲ数据库中的AKI患者,使用SAPS-Ⅱ中所用到的全部变量构建SVM模型,同时,使用MIMIC-Ⅲ数据库定制本地化的SAPS-Ⅱ模型,并比较其与SVM模型的性能优劣。模型性能的评价方法使用五折交叉验证,评价指标使用受试者工作特征曲线下面积(area under the receiver operation characteristic curve,AUROC)、均方根误差(root mean squared error,RMSE)、灵敏度、特异度和准确率。此外,使用Bland-Altman图评估两模型预测结果的一致性。结果:共纳入19 044例AKI患者,死亡率为13.58%。五折交叉验证的结果显示,SVM模型和定制版SAPS-Ⅱ模型的平均AUROC分别为0.86和0.81,差异有统计学意义(t=13.0,P<0.001),SVM模型和定制版SAPS-Ⅱ模型的平均RMSE分别为0.29和0.31,差异有统计学意义(t=-9.6,P<0.001)。在灵敏度和约登指数方面,SVM模型也均优于定制版的SAPS-Ⅱ模型,差异均具有统计学意义(P分别为0.002和<0.001)。Bland-Altman图显示当患者死亡风险极高或者极低时,两模型预测结果的一致性较好。当患者死亡风险的不确定性较大时,两模型预测结果的一致性较差。结论:相比于传统的SAPS-Ⅱ模型,SVM模型的预测性能更优,且当患者的死亡风险不确定时,这种优势尤其明显;SVM模型更有利于AKI患者的死亡风险识别与早期干预,能有效地帮助ICU临床医生提高医疗质量,有很强的临床应用价值。