中文

预测儿科重症监护病房出院时个体生理可接受状态

机器学习 2017-12-19 v1 机器学习

摘要

目的:预测儿科重症监护病房(ICU)出院时被医学认定为可接受的患者特异性生命体征。设计:将每位患者从 ICU 医学出院到身体出院期间 hr、sbp 和 dbp 测量值的均值计算为其成功 ICU 出院的生理可接受状态空间(PASS)的代理。这些个体 PASS 值通过均方根误差(rMSE)与人群年龄正常生命体征、穿过 PICU 人群 PASS 值的多项式回归以及两个递归神经网络模型的预测进行比较,这些模型旨在 ICU 入院后前十二小时内预测个性化 PASS。环境:洛杉矶儿童医院(CHLA)的 PICU。患者:2009 至 2016 年间收集的 6899 例 PICU episode(5464 名患者)。干预:无。测量:每例 episode 数据包含 375 个代表生命体征、检验、干预和药物的变量。它们还包括 PICU 医学出院和身体出院的时间指示符。主要结果:个体 PASS 值与人群年龄正常值之间的 rMSE(hr:25.9 bpm,sbp:13.4 mmHg,dbp:13.0 mmHg)大于对应于多项式回归的 rMSE(hr:19.1 bpm,sbp:12.3 mmHg,dbp:10.8 mmHg)。表现最佳的 RNN 模型的 rMSE 最低(hr:16.4 bpm;sbp:9.9 mmHg,dbp:9.0 mmHg)。结论:PICU 患者是一般人群中的独特子集,通用年龄正常生命体征可能不适合作为指示出院时生理稳定的目标值。专门从 ICU 患者医学到身体出院窗口导出的年龄正常生命体征可能是危重护理患者“可接受”生理状态的更合适目标。超越简单年龄分箱,RNN 模型可提供更个性化的目标值。

关键词

引用

@article{arxiv.1712.06214,
  title  = {Predicting Individual Physiologically Acceptable States for Discharge from a Pediatric Intensive Care Unit},
  author = {Cameron Carlin and Long Van Ho and David Ledbetter and Melissa Aczon and Randall Wetzel},
  journal= {arXiv preprint arXiv:1712.06214},
  year   = {2017}
}

备注

8 pages with appendix, 6 figures (4 of which comprise 1 meta figure), 4 tables in main section, 10 tables including appendix