Med-MIMIC，持续分享MIMIC临床生信文献与思路解读，捕捉当下热点思路，感兴趣的老师可以点点关注~需要定制化分析的老师欢迎扫码联系~
文章标题：Development and validation a nomogram prediction model for early diagnosis of bloodstream infections in the intensive care unit
中文标题：开发和验证用于重症监护病房血流感染早期诊断的列线图预测模型
发表期刊：Front Cell Infect Microbiol .
发表时间：2024年3月
影响因子：4.6/Q2
本研究旨在开发和验证一种列线图，用于根据重症监护病房 （ICU） 的入院状态预测危重患者血流感染 （BSI） 的风险。
思路
患者数据提取自重症监护医学信息市场 （MIMIC-IV） 数据库 （训练集） 、北京友谊医院 （BFH） 数据库 （验证集） 和 eICU 合作研究数据库 （eICU-CRD） （验证集）。采用单因素 logistic 回归分析影响因素，采用 lasso 回归选择预测因素。使用受试者工作特征曲线下面积 （AUROC） 评估模型性能，并以列线图表示。评估了已建立的预测列线图的各个方面，包括区分、校准和临床效用。
结果分析
1. 患者特征
模型数据集由 14930 名患者组成，包括血培养阳性的患者和无血培养的患者。训练数据集由 10447 名患者（999 名患有 BSI）组成，内部验证数据集由 4483 名患者（445 名患有 BSI）组成。选择过程的示意图如补充图 1 所示。我们将模型数据集分为 train 数据集和内部验证数据集。
2. ICU 患者 BSI 的预测因子
最终选择了 9 个关键变量进行包含，这些变量包括 GCS 、 SOFA 、心率、体温、白细胞计数、 RDW 、肾脏替代疗法和肝病。在这个训练数据库中，根据危重病人进入 ICU 的数据构建了一个预测危重患者血流感染风险的列线图（图 2）。
3. 模型评估
构建模型后，我们使用受试者工作特征曲线下面积 （AUROC） 评估其准确性。ROC 分析显示，训练数据集（图 3A）中的 AUC（曲线下面积）值为 0.830（95% CI 0.816-0.844），内部验证数据集（图 3B）中为 0.838（95% CI 0.818-0.858），BFH 验证数据集（图 3C）中为 0.878（95% CI 0.797-0.958），eICU 验证数据集中为 0.751（95% CI 0.705-0.797）（图 3D）).这些结果表明，在不同数据集中具有强大的性能。
此外，构建了校准曲线以进一步验证模型的有效性（图 4）。校准曲线显示，模型的预测概率与 BFH 数据集吻合较好，但与 eICU 数据集吻合较好。最后，进一步评价了该模型的临床应用价值。
我们绘制了决策曲线（图 5）和临床影响曲线（图 6）。在决策曲线中，横坐标表示预测血培养阳性的阈值概率，范围为 0-1;垂直坐标表示收益减去缺点后的净收益，净收益的概率分布区间较大。图中比较了三种型号，由三种不同颜色的线条表示。
文章小结
本研究中开发的列线图为临床医生和护士评估个体风险提供了有价值的工具，使他们能够识别 ICU 中血流感染高风险的患者。今天为大家分享的文章纯公共数据挖掘+统计分析，就发到了一区！如果你也想在临床方向发高分文章，不妨试试这个省钱省事又省力的思路吧！
