来源：期刊VIP网 时间：
作者：王艳;贺鑫;梁玉芳;王改先;白睿峰;周睿;
单位：首都医科大学附属北京积水潭医院医学检验中心;内蒙古农业大学应用统计系;首都医科大学附属北京朝阳医院检验科;北京市红十字会急诊抢救中心检验科;
摘要：目的 探讨利用常规检验数据构建预测细菌性血流感染的机器学习模型，并进行评价。方法 采用回顾性调查研究方法，收集2015年1月-2022年12月3家医疗机构的住院患者共计5 421例为研究对象，其中血流感染组1 914例，非血流感染组3 507例。收集包括性别和年龄在内的一般资料和实验室常规检测结果。分别使用逻辑回归、支持向量机和随机森林3种机器学习算法进行最优预测模型筛选，通过SHAP解释特征对模型预测能力的贡献程度，采用递归特征消除法优化模型特征变量和受试者工作特征(ROC)曲线下面积(AUC)评价模型预测效能。结果 共纳入年龄、性别和血常规指标的26个变量。选择随机森林作为最优机器学习算法构建预测血流感染模型，其准确度和AUC值分别为0.709和0.706。SHAP解释结果表明，年龄、红细胞压积和红细胞体积分布宽度-CV对模型做出正确决策有显著影响。在区分革兰阳性细菌和革兰阴性细菌感染的预测模型中，与26个变量相比，17个变量则具有更好效果，其AUC值为0.715,灵敏度和特异度分别为0.701和0.632。结论通过机器学习算法，利用血常规数据可以预测细菌性血流感染；同时特征选择策略可以在降低维度基础上进一步提高模型预测性能。
关键词：机器学习;;逻辑回归;;支持向量机;;随机森林;;血流感染;;血常规;;预测模型
基金资助：北京市高层次公共卫生人才建设项目(学科骨干-03-17);; 北京积水潭医院“学科骨干”计划项目(XKGG202125)
