基于机器学习的重症监护室重症病人多重耐药菌感染风险指标评价及预警模型的构建研究OA

目的:基于机器学习算法构建与验证重症监护室(ICU)重症病人多重耐药菌(MDRO)感染风险评估及预警模型,为识别ICU重症病人中高风险MDRO感染人群提供参考。方法:回顾性收集2023年1月—2025年6月广西某三级甲等医院ICU重症病人的临床资料,按照7∶3的比例分为训练集和验证集。通过LASSO回归方法筛选变量,采用极限梯度提升(XGBoost)、随机森林、支持向量机等8种机器学习算法进行模型构建。使用受试者工作特征(ROC)曲线、准确度等指标评估模型的预测性能,并运用可解释的机器学习方法(SHAP)对特征变量进行解释,最终构建MDRO风险预警模型。结果:最终纳入247例ICU重症病人,术后MDRO感染率为47.4%。通过LASSO回归筛选出的6个变量进行模型构建,随机森林模型的各项指标表现较好,AUC为0.947,准确率为0.875,F1值为0.882,具有较好的整体预测能力。SHAP分析显示,预测因素的重要性排序前5个的变量为ICU住院时间、低蛋白血症、合并症数量、急性生理学与慢性健康状况评价Ⅱ(APACHEⅡ)和肺部感染。结论:基于机器学习算法构建的ICU重症病人MDRO感染风险预测模型具有良好的预测性能,能准确识别高风险病人,为临床医护人员及时发现高风险MDRO感染病人并制订相应的防治策略提供依据。