基于机器学习的重症监护室超长入住时长预测
2021-12-13吴静依胡永华孔桂兰
吴静依,林 瑜,蔺 轲,胡永华,3,孔桂兰
(1.北京大学公共卫生学院流行病与卫生统计学系,北京 100191;2.浙江省北大信息技术高等研究院,杭州 311200;3.北京大学医学信息学中心,北京 100191;4.北京大学健康医疗大数据国家研究院,北京 100191)
重症监护室(intensive care unit,ICU)是为医院内危重患者提供持续护理、密切监测以及最优化医疗支持的医疗场所。ICU患者病情严重程度较高,常见的病症包括呼吸窘迫综合征、创伤、多器官衰竭和败血症等[1]。由于ICU对医疗设施和医疗人员都有严格的质量要求,在经济水平较低的地区,ICU资源往往供不应求[2]。因此,如何根据患者病情严重程度合理做出医疗干预,以提高医疗效率并改善患者预后就显得尤为重要。
ICU入住时长(length of ICU stay,LOS-ICU)是判断患者病情严重程度、评价医院医疗卫生资源利用效率的有效指标[3]。研究表明,临床医师很难在患者入住ICU初始阶段准确地预测患者的LOS-ICU[4]。因此,利用历史累积的ICU临床数据,识别影响患者LOS-ICU的重要因素,构建有效的LOS-ICU预测模型,可以辅助临床医师对ICU患者进行危险度分层,做出合适的临床干预并合理安排医疗资源,这对提高医疗质量并改善患者预后至关重要。简化急性生理功能评分Ⅱ(simplified acute physiology score Ⅱ,SAPS-Ⅱ)[5]、急性生理学和慢性健康状况评分Ⅳ(acute physiology and chronic health evaluation Ⅳ,APACHE-Ⅳ)[6]等ICU常用的危重症病情评分系统是量化患者病情严重程度最常用的手段之一。目前已有一些研究基于上述危重症病情评分系统进行改良,构建定制版的危重症病情评分系统用于预测患者的LOS-ICU[7-8]。然而研究结果表明,这类定制版的LOS-ICU预测评分系统的预测准确性有限。……