Dynamic trajectories of organ dysfunction in sepsis using the SOFA-2 score and early prediction from multicenter cohorts - PubMed
3 days ago
- #Machine Learning Prediction
- #SOFA-2 Score
- #Sepsis
- 本研究采用SOFA-2评分，追踪了来自多中心队列的脓毒症患者14天内的动态器官功能障碍演变轨迹。
- 共识别出三种不同的轨迹模式：快速恢复型（36.2%）、延迟恢复型（45.0%）以及不良的持续/严重功能障碍型（18.8%），其对应的28天死亡率分别为11.3%、23.7%和52.4%。
- 研究开发了一种集成机器学习模型，利用患者入住ICU后前72小时的数据，实现了对不良轨迹的早期预测，该模型获得了较高的AUROC分数（0.84-0.88），并为干预措施提供了中位数为36小时的预警时间。
- 基于这些预测结果实施的标准化警报系统，与28天死亡率显著下降（从27.0%降至21.7%）、ICU住院时间缩短以及血管加压药物使用时间减少相关。
- 研究结果表明，动态SOFA-2轨迹监测以及早期、可解释的预测模型，能够提升脓毒症管理的精准护理水平，改善患者预后，并优化医疗资源使用。