脓毒症相关肝损伤预后分析及基于机器学习方法的预测模型建立

摘要

目的 分析脓毒症相关肝损伤(SRLI)患者的预后，并使用8种机器学习方法建立脓毒症患者入住ICU后发生SRLI的预测模型。方法 纳入MIMIC-IV数据库中满足脓毒症诊断标准且无肝脏、胆系基础疾病的患者。根据肝酶≥5倍正常值上限(ULN)或胆红素≥2.0 mg/dL将患者分为SRLI组和非SRLI组。采用卡方检验、多因素Logistics回归分析及倾向性评分匹配法分析2组患者死亡风险。采用8种机器学习算法[Logistics回归、分类回归树(CART)、随机森林(RF)、支持向量机(SVM)、K-近邻(K-NN)、朴素贝叶斯(NBM)、极端梯度提升(XGBoost)、梯度提升树(GBDT)]构建SRLI预测模型并进行验证。结果 卡方检验(P<0.001)、多因素Logistics回归分析(P<0.05)、倾向性评分匹配分析后Log-rank(P<0.05)均显示SRLI增加患者死亡风险。SRLI预测模型中，RF算法的曲线下面积(AUC)最高为0.866,其后依次是GBDT(AUC=0.862)、Logistics回归(AUC=0.859)、SVM(AUC=0.837)、NBM(AUC=0.830)、CART(AUC=0.771)、XGBoost(AUC=0.764)、K-NN(AUC=0.722)。结论 SRLI增加患者死亡风险。RF算法构建预测模型有较高的诊断价值。

关键词

脓毒症 / 脓毒症相关肝损伤 / 机器学习算法 / 预测模型 / 分类回归树 / 随机森林 / 支持向量机 / 朴素贝叶斯

基金资助

国家临床重点专科建设单位[176(2022)]; 扬州市卫生健康委员会科研重点项目(2023-1-02)