来源：期刊VIP网 时间：
作者：张金卷;王毅军;孙伟;王素梅;刘辉;刘昌利;崔巍;褚成龙;沈云志;
单位：天津市第三中心医院肝胆胰外科天津市重症疾病体外生命支持重点实验室天津市人工细胞工程技术研究中心天津市肝胆疾病研究所;天津市第三中心医院检验科;
摘要：目的 基于不同机器学习(ML)算法构建胰十二指肠切除术(PD)术后医院感染风险预测模型，为识别高风险患者及其临床治疗提供决策支持。方法 随机选取2016年1月-2023年7月在天津第三中心医院行PD的228例，按7∶3的比例随机数字表法将患者分为159例训练集(感染患者44例，未感染患者115例)和69例测试集(感染患者21例，未感染患者48例),在训练集中通过Lasso回归分析筛选临床变量，使用logistic回归、XGBoost、随机森林(RF)、支持向量机(SVM)和多层感知神经网络(MLP)算法建立训练集数据模型，模型诊断性能利用受试者工作特性(ROC)曲线、曲线下面积(AUC)、准确度、灵敏度、特异度、阳性预测值、阴性预测值、F1分数和Kappa值等指标进行评价。结果 228例患者中，65例发生术后医院感染，感染率为28.51%。基于十折交叉验证的Lasso回归筛选出6个临床变量，包括谷草转氨酶(AST)、饮酒史、C-反应蛋白(CRP)、胰瘘、胆瘘和胃排空延迟。基于上述临床变量构建5种ML模型，在训练集中XGBoost和RF在所有模型中表现最佳，二者的ROC-AUC、cutoff、准确度、灵敏度、特异度、阳性预测值、阴性预测值、F1分数和Kappa值分别为1.000和1.000、0.509和0.475、0.992和0.987、1.000和0.997、0.995和0.990、1.000和0.989、0.989和0.986、1.000和0.993、0.980和0.966。在测试集表现最佳者为RF(ROC-AUC=0.773,95%CI:0.581～0.965),XGBoost (ROC-AUC=0.704, 95%CI:0.504～0.904),可能存在过拟合现象。结论 RF模型是诊断PD术后医院感染风险的最优模型，有助于识别高风险患者，为临床治疗提供决策支持。
关键词：医院感染;;风险因素;;机器学习;;预测模型;;诊断效能;;胰十二指肠切除术
基金资助：天津市卫健委重点攻关课题(15KG114);天津市卫健委面上项目(TJWJ2022MS021);; 天津市科技支撑项目(20YFZCSY00310)
