福州白癜风医院 http://pf.39.net/bdfyy/bjzkbdfyy/140721/4429412.html
点亮，告诉大家你也在看
摘要（中文版）
背景：建立一个机器学习模型，通过常用参数（包括基线特征、临床和实验室指标）预测急性呼吸窘迫综合征（ARDS）事件。
方法：对北京市5家医院年1月1日至年8月31日的多中心前瞻性观察性队列研究进行二次分析。共纳入了名有ARDS风险的重症监护病房（ICU）患者。我们采用随机森林方法，从入院第1天测得的42个变量中找出最佳预测因子。
结果：所有患者随机分为训练组（80%）和测试组（20%）。此外，这些患者每天都接受随访，并根据柏林定义进行评估。该模型在受试者工作特性（ROC）曲线下面积（AUC）为0.82，预测精度为83%。首次在模型中加入了四种新的生物标志物：降低的最低红细胞压积、葡萄糖和钠离子和升高的最低白细胞计数。
结论：新建立的机器学习模型对中国ARDS患者具有良好的预测能力。外部验证研究是必要的，以保证我们的方法在人群和治疗实践中的普遍性。
关键词：急性呼吸窘迫综合征，机器学习，预测模型
ABSTRACT
Background:Todevelopamachinelearningmodelforpredictingacuterespiratorydistresssyndrome(ARDS)eventsthrough
