用于预测非创伤ICU患者输血需求的鲁棒元模型
机器学习
2024-11-08 v1 计算机与社会
应用统计
摘要
目的：输血在ICU环境中对于管理贫血和凝血障碍至关重要，需要准确预测以实现有效的资源分配和患者风险评估。然而，现有的临床决策支持系统主要针对具有特定医疗条件的特定患者群体，并专注于单一类型的输血。本研究旨在开发一种基于先进机器学习的模型，用于预测各类非创伤ICU患者在未来24小时内输血需求的概率。方法：我们对2016年至2020年间入住美国某大型都市学术医院的72,072名成年非创伤ICU患者进行了回顾性队列研究。我们开发了一个元学习器以及多种机器学习模型作为预测器，每年使用四年数据进行训练，并在第五年未见数据上进行评估，迭代五年。结果：实验结果表明，元模型在不同开发场景中均优于其他模型。在最佳场景下，它取得了显著的性能指标，包括接收者操作特征曲线下面积（AUROC）为0.97，准确率为0.93，F1分数为0.89。结论：本研究开创性地使用机器学习模型预测不同危重患者群体的输血需求。评估结果证实，我们的模型不仅能有效预测输血需求，还能识别出用于输血决策的关键生物标志物。
引用
@article{arxiv.2401.00972,
title = {Robust Meta-Model for Predicting the Need for Blood Transfusion in Non-traumatic ICU Patients},
author = {Alireza Rafiei and Ronald Moore and Tilendra Choudhary and Curtis Marshall and Geoffrey Smith and John D. Roback and Ravi M. Patel and Cassandra D. Josephson and Rishikesan Kamaleswaran},
journal= {arXiv preprint arXiv:2401.00972},
year = {2024}
}