The Impact of Evaluation Strategy on Sepsis Prediction Model Performance Metrics in Intensive Care Data: Retrospective Cohort Study - PubMed
2 months ago
- #intensive-care
- #machine-learning
- #sepsis-prediction
- 重症监护病房（ICU）的脓毒症预测模型采用不同评估策略：固定时间窗、峰值评分和持续评估。
- 该研究使用基于MIMIC-IV医疗数据集训练的模型，在德国ICU数据集BerlinICU上进行测试，比较了这些策略。
- 不同评估策略下的性能指标差异显著：持续评估AUROC为0.67，峰值评分相近，而固定时间窗降至0.61。
- 发病时间匹配对持续和固定时间窗评估影响微小，但会提高峰值评分估计值。
- 较短的预测时间窗能提升所有策略下的模型表现。
- 持续评估最符合真实临床监测场景，而固定时间窗和峰值评分若未匹配住院时长可能扭曲结果。