使用万古霉素的首次 ICU 住院中显著肌酐升高的预测：基于 CatBoost 的回顾性研究
机器学习
2025-08-01 v1
摘要
背景：万古霉素是 ICU 中治疗严重革兰氏阳性感染的关键抗生素，但具有高肾毒性风险。在危重患者中早期预测肾损伤具有挑战性。本研究旨在开发一个机器学习模型，利用常规 ICU 数据预测万古霉素相关的肌酐升高。方法：我们分析了来自 MIMIC-IV 数据库的 10,288 名接受万古霉素治疗的 ICU 患者（年龄 18-80 岁）。肾损伤由 KDIGO 标准定义（48 小时内肌酐升高 >=0.3 mg/dL 或 7 天内 >=50%）。通过 SelectKBest（前 30 名）和随机森林排名（最终 15 名）进行特征选择。使用 5 折交叉验证测试了六种算法。使用 SHAP、累积局部效应（ALE）和贝叶斯后验抽样评估可解释性。结果：在 10,288 名患者中，2,903 名（28.2%）出现肌酐升高。CatBoost 表现最佳（AUROC 0.818 [95% CI: 0.801-0.834]，敏感性 0.800，特异性 0.681，阴性预测值 0.900）。关键预测因子为磷酸盐、总胆红素、镁、Charlson 指数和 APSIII。SHAP 证实磷酸盐是主要风险因素。ALE 显示了剂量-反应模式。贝叶斯分析估计高危病例的平均风险为 60.5%（95% 可信区间：16.8-89.4%）。结论：该机器学习模型利用常规 ICU 数据预测万古霉素相关的肌酐升高，具有很高的准确性和可解释性，能够实现早期风险检测并支持重症监护中的及时干预。
引用
@article{arxiv.2507.23043,
title = {Prediction of Significant Creatinine Elevation in First ICU Stays with Vancomycin Use: A retrospective study through Catboost},
author = {Junyi Fan and Li Sun and Shuheng Chen and Yong Si and Minoo Ahmadi and Greg Placencia and Elham Pishgar and Kamiar Alaei and Maryam Pishgar},
journal= {arXiv preprint arXiv:2507.23043},
year = {2025}
}