使用机器学习分析脓毒症合并急性呼吸窘迫综合征患者发生急性肾损伤的影响因素及构建预测模型

【论著】

本研究将通过分析脓毒症合并急性呼吸窘迫综合征（ARDS）患者的临床资料，探究此类患者急性肾损伤（AKI）发生的危险因素，旨在建立个体化预测脓毒症合并ARDS患者AKI发生风险的可视化工具，以辅助临床医师筛选患者，针对性地制定AKI的有效预防策略，以期降低脓毒症合并ARDS患者AKI的发生率，改善患者预后。

1 资料与方法

从重症监护医学信息中心（MIMIC‑Ⅲ，版本号1.4）数据库中提取脓毒症合并ARDS患者的临床数据进行训练和内部验证，回顾性收集南京市高淳人民医院脓毒症合并ARDS患者的临床数据进行外部验证。从MIMIC‑Ⅲ数据库中提取的病例依据7∶3的比例按照随机抽样法分为建模组（760例）和内部验证组（325例），回顾性收集的病例为外部验证组（430例）。依据建模组760例患者的数据，采用最小绝对收缩和选择算子（LASSO）回归分析探究影响脓毒症合并ARDS患者发生AKI的影响因素，将LASSO回归中系数非零的变量纳入预测模型，并使用支持向量机（SVM）、自适应提升（Adaboost）、逻辑回归（LR）和极端梯度提升（Xgboost）算法构建预测模型。通过绘制校准曲线、计算受试者操作特征曲线下面积（AUC）判断预测模型性能表现，而后在外部验证组中进行预测模型的验证。

2 结 果

2.1　患者基本特征

从MIMIC‑Ⅲ数据库中提取的脓毒症患者中建模组有142例（19%）患者发生了AKI，内部验证组中有57例（18%）发生了AKI，外部验证组中有75例（17%）患者发生了AKI。各组患者一般资料差异无统计学意义（均P>0.05）。见表1。

2.2　LASSO回归分析及多因素logistic回归分析

对建模组患者的数据进行LASSO回归分析后筛选出7个非零变量（SOFA评分、氧合指数、第1个24 h内尿量、PEEP、高血压、血胆红素、血肌酐）进入多因素logistic回归分析发现，SOFA评分、氧合指数、第1个24 h内尿量、PEEP、高血压与脓毒症合并ARDS患者发生AKI有显著相关性，以上5个指标被认为是脓毒症合并ARDS患者发生AKI的独立危险因素（表2、图1）。

2.3　模型的构建与评价

最优模型在建模组、内部验证组和外部验证组中达到了较好的预测效果（表3）。相应的校准曲线也与45°虚线（理想值）接近（图2），表明预测值与实际观测值具有良好的一致性。

3 讨 论

本研究通过对脓毒症合并ARDS患者的LASSO回归分析发现，SOFA评分、第1个24 h内尿量、氧合指数、PEEP、胆红素、血肌酐、高血压是脓毒症合并ARDS患者发生AKI发生的影响因素。为了更准确地了解各影响因素对脓毒症合并ARDS患者发生AKI风险的影响程度，对高危患者进行筛选及进行早期干预。进一步使用logistic回归分析筛选出AKI的独立危险因素，发现SOFA评分、第1个24 h内尿量、氧合指数、PEEP、高血压是脓毒症合并ARDS患者发生AKI的独立危险因素。本研究显示，血胆红素水平和血肌酐水平是脓毒症合并ARDS患者AKI发生的影响因素。此外，本研究AUC结果显示，在外部验证组中该模型预测AKI发生风险的AUC为0.730，表明该可视化工具区分度良好。

本研究存在如下不足：① 尽管上述方法可较为可靠地评判脓毒症合并ARDS患者发生AKI的风险，但由于脓毒症患者病情的发展是一个动态过程，并且不同患者的基础状态和诊治过程存有差异，故单纯的数值对AKI的预测作用较为有限；② 因研究设计均基于公告数据库的回顾性分析而非直接对患者的评价，不可避免受到数据偏倚的影响；③ 与前瞻性临床设计相比，本研究受到了部分病例资料不全的限制，有一些可能有意义的指标（如乳酸、pH等）无法纳入研究；④ 严格的纳入排除标准也不可避免地造成了选择性偏倚；⑤ 样本量仍然较小，多中心大样本的数据或许可以使模型更加稳定，外推性更强，进一步的前瞻性研究仍有必要进行。

国际麻醉学与复苏杂志,2024,45(12):1256-1262.

DOI：10.3760/cma.j.cn321761-20240618‑01167