慢性心力衰竭（CHF）是导致心血管相关死亡的主要原因之一，对人类健康构成重大威胁。应激性高血糖比（SHR）作为一种评估患者在急性医疗事件中体内血糖水平变化的指标，与多种重症疾病的不良结局相关。
然而，目前尚不清楚SHR是否与先前患有CHF且入住重症监护病房（ICU）患者的死亡风险相关。
2024年12月7日，中国学者用MIMIC-IV 数据库，在期刊《Cardiovascular Diabetology》（医学top一区，IF=8.5）发表题为：“Predicting 28-day all-cause mortality in patients admitted to intensive care units with pre-existing chronic heart failure using the stress hyperglycemia ratio: a machine learning-driven retrospective cohort analysis”的研究论文，旨在探究SHR水平与先前患有CHF的ICU患者的28天住院死亡率的关联，并通过四种机器学习算法（ML）构建预测模型。
研究结果表明，对于先前患有慢性心力衰竭的ICU患者，SHR可作为预测其28天住院死亡的独立因素。此外，在构建的四种预测模型中，神经网络算法的预测性能最佳。
本公号回复“ 原文”即可获得文献PDF等资料
研究团队基于MIMIC-IV数据库2008年~2019年的数据，经过纳排，最终纳入了913名年龄≥18岁患有CHF且入住ICU的患者，59%为男性。并且在28天的随访中，有488名患者在住院期间死亡。
图1 研究流程
SHR可有效预测患者28天住院死亡率
首先，研究团队通过RCS曲线探究SHR水平与患者28天住院死亡率的关联，结果显示，患者28天死亡风险随着SHR水平的升高而增加。
图4 Kaplan-Meier生存曲线
研究团队通过“森林之神”—Boruta算法，筛选出15个重要预测因子。其中，SHR是预测患者28天住院死亡率的关键预测因子之一。
图5 Boruta算法
研究团队将从MIMIC-IV数据库收集的数据以7：3的比例随机分为训练集（n=640）和验证集（n=273）。
团队通过四种机器学习算法预测患者的28天住院死亡率，包括Coxph 、K-最近邻算法（KNN）、朴素贝叶斯（Bayes）和神经网络算法。
同时，通过ROC曲线、决策曲线（DCA）和校准曲线评估模型的预测性能。结果表明，神经网络算法模型的预测性能最佳。
综上所述，研究团队认为，对于先前患有慢性心力衰竭的ICU患者，SHR是预测其28天住院死亡率的独立因素，且其性能优于HbA1c和血糖。此外，在基于机器学习算法构建的预测模型中，神经网络算法预测性能最佳。
亮点小结
其实基于机器学习构建预测模型的套路非常类似，基本上都是数据收集、特征筛选、模型构建以及模型评估。
关于郑老师团队及公众号
大型医学统计公众号平台，专注于医学生、医护工作者学术研究统计支持，我们是你们统计助理
郑老师团队开设的医学统计培训课程，各类发文需求都可以满足：
GBD公共数据库挖掘、NHANES公共数据库挖掘、孟德尔随机化方法
郑老师开发的超便捷免费统计工具了解一下：
www.medsta.cn/software(详情介绍)
详情联系助教小董咨询（微信号aq566665）
