文献

J-GLOBAL ID：202102288278305787   整理番号：21A0293811

敗血症3のMIMIC-III患者の30日死亡率の予測:XGboostを用いた機械学習アプローチ【JST・京大機械翻訳】

Predicting 30-days mortality for MIMIC-III patients with sepsis-3: a machine learning approach using XGboost

著者 (10件)： Hou Nianzong (Department of Hand and Foot Surgery, Zibo Central Hospital, Shandong First Medical University, Zibo, China) ,  Li Mingzhe (Independent researcher, Leeds, UK) ,  He Lu (Institute of Medicine and Nursing, Hubei University of Medicine, Shiyan, China) ,  Xie Bing (Department of Hand and Foot Surgery, Zibo Central Hospital, Shandong First Medical University, Zibo, China) ,  Wang Lin (Department of Critical Care Medicine, Zibo Central Hospital, Shandong First Medical University , Zibo, China) ,  Zhang Rumin (Department of Critical Care Medicine, Zibo Central Hospital, Shandong First Medical University , Zibo, China) ,  Yu Yong (Department of Critical Care Medicine, Zibo Central Hospital, Shandong First Medical University , Zibo, China) ,  Sun Xiaodong (Fengnan District Maternal and Child Health Care Hospital of Tangshan City, Tangshan, China) ,  Pan Zhengsheng (Department of Urology Surgery, Zibo Central Hospital, Shandong First Medical University , Zibo, China) ,  Wang Kai (Department of Critical Care Medicine, Zibo Central Hospital, Shandong First Medical University , Zibo, China)
資料名： Journal of Translational Medicine (Web)  (Journal of Translational Medicine (Web))
巻： 18  号： 1  ページ： 1-14  発行年： 2020年 
JST資料番号： U7330A  ISSN： 1479-5876  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： Sepsisは,特にICU患者における死亡率の重大な原因である。敗血症の早期予測は,迅速で適切な治療が生存転帰を改善するので必須である。機械学習法は,従来の回帰およびスコアリングシステムよりも潜在的利点を有する柔軟な予測アルゴリズムである。本研究の目的は,敗血症-3を有するMIMIC-III患者の30日死亡率を予測するためにXGboostを用いた機械学習アプローチを開発し,そのようなモデルが従来の予測モデルよりも良好に機能するかどうかを決定することであった。MIMIC-III v1.4を用いて,敗血症-3の患者を同定した。データを30日以内の死亡または生存に基づいて2群に分割し,段階的分析による臨床的重要性と有用性に基づいて選択した変数を,グループ間で表示し比較した。従来のロジスティック回帰モデル,SAPS-IIスコア予測モデルおよびXGBoostアルゴリズムモデルを含む3つの予測モデルを,Rソフトウェアによって構築した。次に,3つのモデルの性能をテストし,受信者動作特性曲線と決定曲線分析のAUCsによって比較した。最後に,ノモグラムと臨床影響曲線を用いて,モデルを検証した。全部で4559人の敗血症-3人の患者を研究に含め,そのうち,889人の患者は死亡し,3670人は30日以内に生存した。AUCs(0.819[95%CI 0.800~0.838],0.797[95%CI 0.781~0.813]および0.857[95%CI 0.839~0.876])および3つのモデルに対する決定曲線分析の結果によると,XGboostモデルは最良であった。リスクノモグラムと臨床影響曲線は,XGboostモデルが有意な予測値を有することを検証した。XGboostによる機械学習技術を用いて,より重要な予測モデルを構築した。このXGboostモデルは,敗血症-3患者に対する正確な管理と治療の調整において臨床的に有用で,臨床医を支援する可能性がある。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ノモグラム ,  *死亡率 ,  ソフトウェア ,  *敗血症 ,  *機械学習 ,  予測モデル ,  *細菌感染症
準シソーラス用語： Sepsis ,  ROC曲線 ,  ロジスティック回帰分析 ,  臨床医 ,  スコアリングシステム ,  予測アルゴリズム ,  予測値 ,  ロジスティック回帰モデル ,  機械学習技術 , 【Automatic Indexing@JST】

著者キーワード (6件)： MIMIC-III ,  敗血症-3 ,  機械学習 ,  Xgboost ,  ロジスティック回帰 ,  SAPS-IIスコア

分類 (1件)： 感染症・寄生虫症一般  (GD01010H)

引用文献 (46件)：

• BMC Infect Dis; Diagnostic and prognostic value of interleukin-6, pentraxin 3, and procalcitonin levels among sepsis and septic shock patients: a prospective controlled study according to the sepsis-3 definitions; JY Song, DW Park, SW Moon; 19; 1; 2019; 968; 10.1186/s12879-019-4618-7; citation_id=CR1
• JAMA; The third international consensus definitions for sepsis and septic shock (sepsis-3); M Singer, CS Deutschman, CW Seymour; 315; 8; 2016; 801-810; 10.1001/jama.2016.0287; citation_id=CR2
• JAMA; Hospital deaths in patients with sepsis from 2 independent cohorts; V Liu, GJ Escobar, JD Greene; 312; 1; 2014; 90-92; 10.1001/jama.2014.5804; citation_id=CR3
• J Transl Med; Biomarkers of early sepsis may be correlated with outcome; TH Hong, CH Chang, WJ Ko; 12; 2014; 146; 10.1186/1479-5876-12-146; citation_id=CR4
• Medicine; Biomarker combination and SOFA score for the prediction of mortality in sepsis and septic shock; J Song, SW Moon, DW Park; 99; 22; 2020; e20495; 10.1097/MD.0000000000020495; citation_id=CR5

タイトルに関連する用語 (5件)： 敗血症 ,  患者 ,  30日死亡率 ,  予測 ,  機械学習