Parkland 创伤死亡指数（PTIM）：针对多发伤患者的实时预测模型
定量方法
2020-10-09 v1 机器学习
摘要
生命体征和实验室值常规用于指导多发伤患者的临床决策，例如使用损伤控制技术还是早期确定性骨折固定的决策。先前的多变量模型试图预测死亡风险，但由于仅在入院时做一次预测等若干局限，未被证明具有临床实用性。亟需一种动态模型，能够捕捉患者在创伤及复苏住院过程中的生理演变变化以预测死亡。Parkland 创伤死亡指数（PTIM）是一种机器学习算法，利用电子病历（EMR）数据在住院前 小时内预测 小时死亡率。该模型每小时更新，随患者对创伤的生理反应而演变。采用受试者工作特征曲线（ROC）下面积（AUC）、灵敏度、特异度、阳性（PPV）与阴性预测值（NPV）以及阳性与阴性似然比（LR）评估模型性能。通过随患者对创伤的生理反应演变且仅依赖 EMR 数据，PTIM 克服了先前死亡风险模型的诸多局限。它可能是在多发伤患者住院早期辅助临床决策的有用工具。
引用
@article{arxiv.2010.03642,
title = {Parkland Trauma Index of Mortality (PTIM): Real-time Predictive Model for PolyTrauma Patients},
author = {Adam J. Starr and Manjula Julka and Arun Nethi and John D. Watkins and Ryan W. Fairchild and Michael W. Cripps and Dustin Rinehart and Hayden N. Box},
journal= {arXiv preprint arXiv:2010.03642},
year = {2020}
}
备注
8 pages, 5 figures