跳到正文
原文
medRxiv 预印本· Bode, L., Boehnke, J., Ruebsamen, N., Karch, A., Schack, M., Rathert, H., Marschollek, M., Wulff, A., Jack, T. ·· 19 天前AI 评分18

利用常规ICU数据预测标准定义结局的方法学陷阱:以儿童脓毒症为例

Methodological Pitfalls in Predicting Criteria-Defined Outcomes from Routine ICU Data Illustrated by Pediatric Sepsis

AI 导读

研究基于4,583例PICU就诊的常规数据构建XGBoost模型,提前最多6小时预测脓毒症发生,脓毒症发生率为25.7%。在全队列中,模型在固定90%灵敏度下AUROC为80.7%[78.7-82.5]、特异度为71.4%[67.6-74.8],并对聚类纵向数据和不完美参考标准进行了校正。研究识别并部分缓解了标准定义结局预测中的七项方法学陷阱,并通过24种队列配置考察队列构建对模型性能的影响。

来源:medRxiv 预印本 · medrxiv.org