基于连续无创生理参数驱动的死亡事件动态预警

摘要

为实现基于无创生理参数的重症患者死亡事件动态预警，从eICU合作研究数据库中提取了4 738名成年患者的30个参数，经过独热编码、采样率一致性处理和数据插补等预处理后，作为LigthGBM模型输入并训练模型；在学习窗口与预测窗口之间加入前瞻窗口，为医生决策提供宝贵时间，并采用10折交叉验证方法优化模型参数，以构建最佳死亡事件动态预警模型。研究结果表明：所构建模型预测准确率为0.852,ROC曲线下的面积为0.875；该模型预测性能与学习窗口呈正相关，与前瞻窗口呈负相关；基于连续无创参数的死亡事件动态预警模型可实现对重症患者死亡事件的及时发现，避免了传统方法对实验室参数的依赖，为患者救治策略的制定争取了宝贵的前瞻时间，大大提高了医务人员的工作效率和患者的救治效果。

关键词

无创参数 / 机器学习 / 死亡事件预测 / 动态预警