来源：期刊VIP网 时间：
作者：贾辰;高岩;解夕黎;赵凤;秦海明;王璐;
单位：北部战区总医院疾病预防控制科;葫芦岛市中心医院检验科;
摘要：目的 本研究通过机器学习(ML)建立较优的ICU患者耐碳青霉烯类鲍曼不动杆菌(CRAB)感染预测模型，为临床医生做出诊断和决策提供帮助。方法 收集2017年1月1日-2024年12月31日入住某三甲医院ICU住院患者临床资料，将数据按照7∶3比例随机分为训练集和测试集。特征变量的选择采用LASSO回归和多元逻辑回归分析联合完成。整合5种ML分类模型，分析和识别最佳模型，使用灵敏度、特异性、准确性、受试者工作特征曲线下面积(AUC)、校准曲线、Hosmer-Lemeshow检验和决策曲线(DCA)评估ICU患者CRAB感染预测模型性能。最后使用SHAP解释和排列重要性来解释ML模型的输出。结果 本研究共纳入2 904例患者，其中有695例(23.93%)患者发生CRAB感染。XGBoost模型在训练集和测试集中AUC最高(0.994和0.907);Hosmer-Lemeshow检验结果显示，XGBoost模型校准曲线显示预测风险与观察风险高度一致(χ~2=7.323、4.609,P=0.513、0.764);DCA曲线显示XGBoost模型在整个阈值范围(0～1.0)内表现最佳，净获益最高。通过SHAP方法确定了ICU住院时间、应用替加环素、中心静脉置管、应用碳青霉烯类抗菌药物、使用呼吸机是较为重要的预测因子。结论 构建了XGBoost模型并用SHAP方法进行解释，为筛选ICU内CRAB感染高风险患者提供参考。
关键词：机器学习;;重症监护室;;耐碳青霉烯类鲍曼不动杆菌;;预测模型;;极端梯度提升模型
基金资助：辽宁省自然科学基金计划面上项目(2024-MS-292)
