Machine learning predicts sepsis deterioration trajectories - PubMed
2 months ago
- #machine learning
- #clinical deterioration
- #sepsis
- 脓毒症的临床表现存在异质性，动态预测对个性化干预至关重要。
- 集成机器学习模型识别出三种潜在恢复模式：快速恢复（41.5%）、缓慢恢复（36.4%）和临床恶化（22.1%）。
- 该模型在开发阶段表现出色，受试者工作特征曲线下面积最高达0.92，并在多个数据集的外部验证中保持准确性。
- 心率变异性降低（标准差<10次/分钟）是死亡率的显著预测因子，调整后风险比为2.17。
- 模型实施带来临床改善：ICU住院时间减少1.8天，机械通气时间缩短2.3天，28天死亡率下降5.7%。
- 该研究为病情恶化提供早期预警，中位提前时间达17.6小时，从而支持实施主动护理策略。