来源：期刊VIP网 时间：
作者：石伟;商临萍;余艳萍;韩晓娟;史志勇;刘幸;
单位：山西医科大学护理学院;山西医科大学第一医院护理部;山西医科大学第一医院肝胆外科;
摘要：目的 基于机器学习算法构建与验证肝移植术后多重耐药菌(MDRO)感染风险预测模型，为识别肝移植术后MDRO感染高危人群提供参考。方法 回顾性收集重症医学数据库(MIMIC-IV)和重症协作研究数据库(eICU)中肝移植患者为研究对象，同时收集山西医科大学第一医院2021年1月-2024年7月肝移植术后患者为外部验证组。采用Lasso回归进行变量筛选，基于极限梯度提升算法、随机森林等7种机器学习算法进行模型构建，通过比较受试者工作特性曲线下面积、准确度等指标评估模型预测性能，使用可解释机器学习算法(SHAP)对特征变量进行解释，并构建风险预测计算器。结果 本研究最终纳入637例患者，术后MDRO感染率为35.79%。最终选取15个变量进行模型构建，XGBoost模型在内部和外部测试集的受试者工作特性曲线下面积分别为0.82和0.78,其预测性能优于其余6种模型。SHAP算法显示预测因子重要性排名前五的变量：肝性脑病、重症监护室(ICU)住院时长、白蛋白、终末期肝病模型(MELD)和总住院时长。结论 基于机器学习算法构建肝移植患者术后MDRO感染风险预测模型有良好的预测效果，可准确地识别肝移植术后患者MDRO感染高危患者，为医护人员及时识别感染高危人群并制定感染预防治疗提供参考。
关键词：肝移植;;多重耐药菌;;机器学习;;风险预测模型;;极限梯度提升算法;;随机森林
基金资助：山西省研究生科研创新基金资助项目(2024KY404)
