ICU妇科恶性肿瘤患者急性肾损伤发生风险预测模型的构建OA

目的通过可解释性机器学习方法构建重症监护室(ICU)妇科恶性肿瘤患者发生急性肾损伤(AKI)风险的预测模型,以优化疗效与预后。方法数据源自重症监护医学信息数据库(MIMIC)-Ⅳ妇科恶性肿瘤患者。将人群以7∶3比例随机划分为训练集与验证集,运用最小绝对收缩和选择算子(LASSO)回归对训练集进行特征选择,采用5种机器学习算法构建预测模型,利用沙普利加性解释(SHAP)方法对最优模型的特征进行解释。结果在374例MIMIC-Ⅳ妇科恶性肿瘤患者中,254例(67.9%)在ICU内发生AKI。建立了7个变量的预测模型,其中极限梯度提升(XGBoost)模型效果最佳,验证集中受试者工作特征(ROC)曲线下面积(AUC)为0.797(95%CI:0.779~0.815)。结论该研究构建并验证了一种用于预测ICU妇科恶性肿瘤患者AKI发生风险的机器学习模型。该模型结合SHAP方法可帮助医生优化临床治疗和管理策略。