龚军，钟小钢，谈军涛，刘蕴宇，饶青茂，向天雨，王惠来*

1重庆医科大学医学数据研究院，重庆 400016；2重庆医科大学附属康复医院医护科，重庆 400050；3重庆医科大学医学信息学院，重庆 400016；4重庆医科大学附属大学城医院，重庆 401331

脓毒性休克是脓毒血症引起的组织低灌注及心血管功能异常，多伴有器官功能障碍，其中25%以上的患者死亡[1]。随着医学的发展，目前在抗感染治疗及相应的器官功能支持技术方面取得了明显的进步，但在临床实践中，脓毒性休克的发病率及病死率仍居高不下。由于儿童免疫系统发育不完全，免疫功能较成年人低下，一旦发病则进展迅猛，病死率明显增高[2]。研究表明，早期发现脓毒性休克并进行风险分层可改善儿童脓毒性休克的预后[3]，但如何精准、尽早识别发生脓毒性休克的患儿仍是一项难题。研究发现，一些生物标志物如降钙素原、白细胞介素-6可作为脓毒性休克的预测因子[4]， 但目前尚无任何一种生物标志物可独立预测脓毒性休克并具有良好的灵敏度及特异度。近年来，国内外专家学者利用患儿的多项检查指标建立模型来预测脓毒性休克并取得了良好的效果[5-7]，但仍存在模型指标过多、临床应用困难、模型性能不佳等问题。因此，本研究拟从医学信息学视角出发，对医学、统计学及计算机科学相关知识进行整合，利用机器学习相关算法建立儿童脓毒性休克预测模型，以期能更简便、可靠地预测儿童脓毒性休克。

1 资料与方法

1.1 研究对象 数据来源于重庆医科大学医疗大数据平台，该平台包含重庆医科大学附属7家医疗机构的电子病例数据，数据量近4000万份。……