Critical Care Medicine:基于深度学习预测重症患者复发性谵妄
2024-01-05 Critical Care Medicine Critical Care Medicine
该模型能够准确预测ICU内即将发生的谵妄,这可能有助于早期干预,更有效地分配ICU资源并改善ICU患者预后。
翻译 王洪亮 哈尔滨医科大学附属第二医院
审校 陈志 同济大学附属上海同济医院
目的:使用深度学习预测ICU患者复发性谵妄。
设计:回顾性队列研究。
地点:2014年1月1日-2020年2月24日期间,加拿大阿尔伯塔省的15个内-外科ICU。
患者:38,426名患者,43,510次入ICU。
干预措施:无。
测量和主要结果:我们使用ICU和管理健康数据来训练深度学习模型,从入ICU后24小时开始,预测未来两个12小时内(0 ~ 12小时和12~ 24小时)患者的谵妄发作,并于每12小时生成新的预测。我们使用了包括3,643个特征的综合集合,记录患者的病史,入ICU的早期信息(前24小时)及在ICU整个住院过程中各种临床变量的时间动态变化。我们的深度学习架构由特征嵌入、循环和预测模块组成。在0 ~12小时预测范围的支持测试集中,我们基于门控循环单元的最佳模型的灵敏度为0.810,特异性为0.848,精确度(阳性预测值)为0.704,ROC曲线下面积(area under the receiver operating characteristic curve,AUROC)为0.909;在12 ~ 24小时预测范围内,同一模型的灵敏度为0.791,特异度为0.807,精确度为0.637,AUROC为0.895。
结论:我们的谵妄预测模型通过对数据集进行深度学习,具有很好的预测性能,这些数据集至少比以前的研究中使用的数据大一个数量级。本研究的另一个新颖之处在于是我们的特征数据和预测的时间性质。该模型能够准确预测ICU内即将发生的谵妄,这可能有助于早期干预,更有效地分配ICU资源并改善ICU患者预后。
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
#深度学习# #复发性谵妄#
79