齐 霜，徐浩然，胡 婕，毛 智，胡 新，周飞虎

1 解放军医学院，北京 100853；2 解放军总医院第一医学中心 重症医学科，北京 100853

脓毒症是由宿主对感染反应失调引起的危及生命的器官功能障碍，是重症监护病房(intensive care unit，ICU)患者死亡的主要原因之一，死亡率高，短期死亡率为15%～30%，而脓毒症休克患者可高达50%[1-4]。准确的脓毒症患者死亡预测有助于临床医师判断患者疾病状态，提高治疗效率，改善不良结局，延长患者生存时间。目前有多种临床评分帮助临床医师判断脓毒症患者病情严重程度，预测不良事件的发生，如序贯性器官衰竭评分(sequential organ failure assessment，SOFA)、急性生理学与慢性健康状况评分系统Ⅱ(acute physiology and chronic health evaluation scoring system Ⅱ，APACHEⅡ)、简化急性生理学评分Ⅱ(simplified acute physiology score Ⅱ，SAPSⅡ)等。但这些评分的设定是针对整体危重症患者，并不是某种特定疾病。Knaus等[5]表示，使用患者入院初始未曾接受干预治疗的参数值计算得出的APACHE评分，对患者预后判断更加可靠。然而，脓毒症患者病情危重，要求早期采取积极有效的治疗方式以改善结局，经替代治疗后改善的生命体征或实验室检查结果，可能无法正确体现患者的实际病情。近年来，机器学习逐渐应用于医学研究中，其可根据不同临床需求及数据特征建立预测模型，与临床常用评分相比，能更好地预测不良结局的发生[6-10]。本研究基于Sepsis-3的定义筛选出重症监护医疗信息市场(Medical Information Mart for Intensive Care，MIMIC)Ⅲ数据库中符合诊断的脓毒症患者，纳入与脓毒症患者相关的生命体征、实验室检查、干预治疗等数据，建立符合脓毒症患者特点的ICU死亡风险预测模型。……