基于机器学习的重症监护室超长入住时长预测

目的:基于三种机器学习算法——支持向量机(support vector machine,SVM)、分类回归树(classification and regression tree,CART)和随机森林(random forest,RF),构建重症监护室(intensive care unit,ICU)患者的ICU入住时长(length of ICU stay,LOS-ICU)分类预测模型,并与传统的定制版简化急性生理功能评分Ⅱ(simplified acute physiology score Ⅱ,SAPS-Ⅱ)模型进行比较。方法:使用美国大型重症医疗数据库(medical information mart for intensive care Ⅲ,MIMIC-Ⅲ),以ICU患者是否发生超长LOS-ICU(prolonged LOS-ICU,pLOS-ICU)作为结局指标,构建定制版SAPS-Ⅱ、SVM、CART和RF模型,使用递归特征消除法进行特征选择,基于五折交叉验证找出最佳预测模型。模型的预测性能评价指标包括Brier评分、受试者工作特征(receiver operation characteristic,ROC)曲线下面积(area under the ROC curve,AUROC)和估计校准度指数(estimated calibration index,ECI),模型性能指标之间的比较使用双侧t检验。使用本研究中预测性能最好的模型识别出来的各预测变量重要性排序结果,给出重要性排序前五位的预测变量。结果:最终共纳入40 200例ICU患者,发生pLOS-ICU的患者23.7%。其中,男性患者57.6%,患者平均年龄为(61.9±16.5)岁。五折交叉验证结果显示,相比于定制版SAPS-Ⅱ模型,三种机器学习模型的预测性能在各个指标上均有明显提升,且差异均具有统计学意义(P<0.01)。其中,RF模型在综合预测性能、区分度与校准度三个方面均表现最优,其Brier评分、AUROC和ECI分别为0.145、0.770和7.259。校准曲线结果显示,在高pLOS-ICU发生风险的ICU人群中,RF模型倾向于略微高估其风险;在低pLOS-ICU发生风险的ICU人群中,RF模型倾向于略微低估其风险。基于性能最优的RF模型识别的对pLOS-ICU预测最重要的五个变量依次为年龄、心率、收缩压、体温和动脉血氧分压与吸入氧分数之比。结论:基于机器学习方法构建ICU患者的pLOS-ICU预测模型相比于传统的定制版SAPS-Ⅱ模型,预测性能均有明显提升,其中,基于RF方法的pLOS-ICU预测模型性能最优,具有很大的临床应用潜力。     

住院患者满意度综合评价

目的采用AHP法和ER法综合评价北京市某三级甲等医院住院患者满意度。方法通过自制问卷对北京某三甲医院213名住院患者进行面对面访谈调查,使用层次分析法确定各级指标权重,再使用证据推理法对患者满意度进行综合评估。结果被调查住院患者“非常满意”的综合置信度为55.98%,“满意”的综合置信度为37.55%,“一般满意”的综合置信度为5.27%,“不满意”的综合置信度为0.91%,“非常不满意”的综合置信度为0.29%。结论将AHP法和ER法二者结合进行住院患者满意度的综合评估能够得到比较客观全面的结果。     

基于因子分析法和证据推理法的住院患者满意度综合评估

目的：采用因子分析法和证据推理法评价北京市某三级甲等医院住院患者满意度。方法通过自研问卷对北京市某三级甲等医院213名住院患者进行面对面访谈调查,使用因子分析法确定评估框架维度和指标权重,并基于数据使用证据推理法对患者满意度进行综合评估。结果被调查医院住院患者“非常满意”的综合确信度为54．22％、“满意”的综合确信度为40．02％、“一般满意”的综合确信度为4．64％、“不满意”的综合确信度为0．80％、“非常不满意”的综合确信度为0．32％。结论将因子分析法和证据推理法两者结合进行患者满意度的综合评估能够得到比较客观和全面的结果。     

支持向量机在ICU急性肾损伤患者住院死亡风险预测中的应用

目的：应用支持向量机（support vector machine,SVM）构建ICU中急性肾功能损伤(acute kidney injury, AKI)患者住院死亡风险预测模型,并比较其与ICU中常用的简化急性生理评分（the simplified acute physiology score Ⅱ,SAPS-Ⅱ）的预测性能。方法：使用重症监护医学信息市场（medical information mart for intensive care Ⅲ,MIMIC-Ⅲ）数据库作为数据来源。根据2012年国际改善全球肾脏病预后组织（Kidney Disease: Improving Global Outcomes, KDIGO）发表的《急性肾损伤临床实践指南》选取MIMIC Ⅲ数据库中的AKI患者,使用SAPS-Ⅱ中所用到的全部变量构建SVM模型,同时,使用MIMIC-Ⅲ数据库定制本地化的SAPS Ⅱ模型,并比较其与SVM模型的性能优劣。模型性能的评价方法使用五折交叉验证,评价指标使用受试者工作特征曲线下面积(area under the receiver operation characteristic curve,AUROC)、均方根误差（root mean squared error,RMSE）、灵敏度、特异度和准确率。此外,使用Bland-Altman图评估两模型预测结果的一致性。结果：共纳入19 044例AKI患者,死亡率为13.58%。五折交叉验证的结果显示,SVM模型和定制版SAPS-Ⅱ模型的平均AUROC分别为0.86和0.81, 差异有统计学意义（t=13.0,P<0.001）, SVM模型和定制版SAPS-Ⅱ模型的平均RMSE分别为0.29和0.31, 差异有统计学意义（t=-9.6,P<0.001）。在灵敏度和约登指数方面,SVM模型也均优于定制版的SAPS-Ⅱ模型,差异均具有统计学意义（P分别为0.002和<0.001）。Bland Altman图显示当患者死亡风险极高或者极低时,两模型预测结果的一致性较好。当患者死亡风险的不确定性较大时,两模型预测结果的一致性较差。结论：相比于传统的SAPS-Ⅱ模型,SVM模型的预测性能更优,且当患者的死亡风险不确定时,这种优势尤其明显; SVM模型更有利于AKI患者的死亡风险识别与早期干预,能有效地帮助ICU临床医生提高医疗质量,有很强的临床应用价值。     

基于住院病案首页数据的医院综合评估框架构建

研究基于住院病案首页信息,以原卫生部重点监测病种和手术作为切入点,从医院的医疗能力、医疗质量和运行效率的3个角度,设计了医院综合评估指标体系框架.根据综合评估框架,进一步计算了各类评估指标和相应权重分数,用于统计模型的多层综合加权.创建的方法能够客观、合理地综合评估医院的总体情况,比较不同医院的医疗质量.     

基于集成学习模型预测重症患者再入重症监护病房的风险

目的: 基于集成学习算法建立患者再入重症监护病房(intensive care unit, ICU)的风险预测模型,并比较各个模型的预测性能。方法: 使用美国重症医学数据库(medical information mart for intensive care,MIMIC)-Ⅲ,根据纳入、排除标准筛选患者,提取人口学特征、生命体征、实验室检查、合并症等可能对结局有预测作用的变量,基于集成学习方法随机森林、自适应提升算法(adaptive boosting, AdaBoost)和梯度提升决策树(gradient boosting decision tree, GBDT)建立再入ICU预测模型,并比较集成学习与Logistic回归的预测性能。使用五折交叉验证后的平均灵敏度、阳性预测值、阴性预测值、假阳性率、假阴性率、受试者工作特征曲线下面积(area under the receiver operating characteristic curve,AUROC)和Brier评分评价模型效果,基于最佳性能模型给出重要性排序前10位的预测变量。结果: 所有模型中,GBDT (AUROC=0.858)优于随机森林(AUROC=0.827),略好于AdaBoost (AUROC=0.851)。与Logistic回归(AUROC=0.810)相比,集成学习算法在区分度上均有较大的提升。GBDT算法给出的变量重要性排序中,平均动脉压、收缩压、舒张压、心率、尿量、血肌酐等变量排序靠前,相对而言,再入ICU患者的心血管功能和肾功能更差。结论: 基于集成学习算法的患者再入ICU预测模型表现出较好的性能,优于Logistic回归。使用集成学习算法建立的再入ICU风险预测模型可用于识别再入ICU风险高的患者,医务人员可针对高风险患者采取干预措施,改善患者的整体临床结局。     

我国医院医疗质量综合评估现状研究

文章对国内当前的医疗质量综合评估的背景及现状进行了简单探讨,表明国内在医院医疗质量评估的理论基础研究、评估体系研究、实证研究等方面均已取得丰硕成果.对文献中存在的主要综合评估方法进行了回顾和分析,并提出了医疗质量综合评估下一步几个可能的研究方向:建立通用、全面的医疗质量综合评估模型,研究能够处理定性、定量混合的、综合的医疗质量评估方法,进行基于定性定量混合指标的、能够考虑多种不确定情况的、多层次多指标的医疗质量综合评估实证研究.     

PATH对我国医院评审的启发和意义

PATH（Performance Assessment Tool for Quality Improvement in Hospitals）是由世界卫生组织欧洲办事处于2003年建立的医院评审体系.通过对PATH特点的分析,结合PATH在使用过程中出现的问题和经验,探讨PATH在我国医院评审中的应用前景和借鉴意义.     

基于区域医疗大数据的慢性肾脏病患者贫血患病及治疗情况调查

目的分析慢性肾脏病(CKD)患者的贫血患病率、影响因素及治疗情况。方法采用描述性统计分析方法分析2012-2018年宁波市鄞州区域健康信息平台中CKD患者贫血患病情况及贫血患病后12个月内接受治疗的情况;采用多因素logistic回归模型分析CKD患者贫血患病的影响因素。结果共纳入52 619例新发CKD患者, 有15 639例(29.72%)CKD患者存在贫血, 其中女性贫血患者10 178例(31.87%), 男性贫血患者5 461例(26.41%), 女性CKD患者贫血患病率高于男性, 差异有统计学意义(P<0.001)。贫血患病率随着CKD分期的进展而增加(趋势检验P<0.001), 由1期的24.77%增长至5期的69.42%。多因素logistic回归分析显示, CKD贫血患病主要的影响因素有性别(女性:aOR=1.57, 95%CI:1.50～1.63)、CKD分期(2期:aOR=1.10, 95%CI:1.04～1.16;3期:aOR=2.28, 95%CI:2.12～2.44;4期:aOR=4.49, 95%CI:3.79～5.32;5期:aOR=6.31...     

基于证据推理方法的多层次多指标医疗质量综合评估

1 研究背景 如何对医院医疗质量进行有效的综合评估,以辅助医院管理部门进行管理和医疗方面的决策,是当前医疗领域一个迫切需要解决的课题.目前,多种医疗质量综合评估方法如秩和比法、TOPSIS法以及综合指数法等已经被一些医疗质量综合评估的研究者和实践者采用[1].但是这些方法考虑的大多是针对定量指标的综合评估,如何在一个多层次、多指标并且定性、定量指标混合的评估框架之下对医疗质量进行综合评估是一个需要我们进行深入研究的热点[2].