基于机器学习的老年创伤性脑损伤患者死亡预测
定量方法
2025-05-23 v1
摘要
创伤性脑损伤（TBI）是老年人群死亡的主要贡献者，老年患者因年龄相关的生理脆弱性和合并症面临不成比例的高风险。及早准确地预测死亡对于指导临床决策和优化 ICU 资源分配至关重要。本研究利用 MIMIC-III 数据库识别老年 TBI 患者，并应用机器学习框架开发了 30 天死亡预测模型。实施了严格的预处理流程——包括基于随机森林的插补、特征工程和混合选择——从 69 个特征中提炼出 9 个临床上有意义的变量。CatBoost 成为表现最佳的模型，达到了 AUROC 为 0.867（95% 置信区间：0.809-0.922），超越了传统评分系统。SHAP 分析确认了 GCS 评分、氧合饱和度和凝血酶原时间是最重要的预测因子。这些发现突显了可解释机器学习工具在老年 TBI 患者早期死亡风险分层中的价值，为未来临床整合提供了基础，以支持关键护理中的高风险决策。
引用
@article{arxiv.2505.15850,
title = {Machine Learning-Based Prediction of Mortality in Geriatric Traumatic Brain Injury Patients},
author = {Yong Si and Junyi Fan and Li Sun and Shuheng Chen and Elham Pishgar and Kamiar Alaei and Greg Placencia and Maryam Pishgar},
journal= {arXiv preprint arXiv:2505.15850},
year = {2025}
}