机器学习在预测重症急性胰腺炎发生急性呼吸窘迫综合征中的作用题录

回顾性分析214例SAP患者的资料, 构建5种SAP并发急性呼吸窘迫综合征(ARDS)的机器学习预测模型, 并筛选出最优模型。结果显示, 5种机器学习模型中, 极端梯度提升(XGBoost)为最优模型。XGBoost在测试集中的AUC值为0.851(95%CI 0.739～0.963), 灵敏度为0.840, 特异度为0.793, 阳性预测值为0.842, 阴性预测值为0.743。最重要的4个预测变量为呼吸频率、血清淀粉酶、年龄和总蛋白。表明机器学习模型能够很好地预测SAP相关ARDS的发生, 为临床早期识别高危患者提供了思路。