使用分类回归树预测肺炎相关感染性休克患者的院内死亡率:一项嵌套队列研究
该研究基于国际多中心CATSS数据库(1996-2015年,28个中心),纳入4222例肺炎合并感染性休克患者,院内死亡率为51%。死亡组从休克发生到给予恰当抗菌药物的平均时间为17.2小时,存活组为5.0小时。利用APACHE II评分、乳酸、年龄和至恰当抗菌药物时间构建的分类回归树模型在训练集(n=2111)中准确率73%、AUROC 0.75,在测试集(n=2111)中准确率69%、AUROC 0.72。模型显示,至恰当抗菌药物时间>6.6小时者死亡概率为0.76,是最重要的预测因素。
要点
- 肺炎合并感染性休克患者院内死亡率高(51%),死亡组至恰当抗菌药物平均时间17.2小时,存活组5.0小时。
- 分类回归树模型最重要的预测因素是至恰当抗菌药物时间:>6.6小时者死亡概率0.76。
- 至恰当抗菌药物时间<6.6小时且APACHE II≤28者生存概率0.744;APACHE II>28且乳酸>6.3 mmol/L者死亡概率0.817。
- 模型在测试集中准确率69%、AUROC 0.72,可用于床旁快速风险分层。
- 对于在感染性休克发生前已接受恰当抗菌药物的患者,应用模型时应按至恰当抗菌药物时间<6.6小时的分支(即进入节点2)进行预测。
适用人群与场景
- 纳入标准:CATSS数据库中所有肺炎合并感染性休克患者,肺炎诊断由医生根据临床、微生物和影像学信息判断,仅纳入主要诊断为肺炎的患者。
- 排除标准:结局数据缺失的患者被排除。
- 场景:国际多中心(加拿大、美国、沙特阿拉伯28个医疗中心)ICU及 ward 患者,1996-2015年。
- 病情阶段:感染性休克发生后的初始治疗阶段。
诊断标准与关键阈值
- 感染性休克定义采用1992年ACCP/SCCM指南:有记录或怀疑的感染,持续低血压需要血管升压药,且具备以下4项中至少2项:(1)心率>90次/分;(2)呼吸频率>20次/分或PaCO2<32 mmHg;(3)核心体温<36°C或>38°C;(4)白细胞计数<4000/μL或>12000/μL或杆状核>10%。
- 低血压定义为充分液体复苏(2 L晶体液)后仍持续存在的低血压,视为感染性休克的初始发生。
- 恰当抗菌药物定义(培养阳性):首个于反复或持续低血压发生后给予的新抗菌药物,其体外活性对分离出的病原体适当,或在首个新抗菌药物给药后6小时内启动;否则为不恰当。
- 恰当抗菌药物定义(培养阴性):首个于反复或持续低血压发生后给予的新抗菌药物,符合典型病原体经验性治疗的广泛接受规范,或在首个新抗菌药物给药后6小时内启动;否则为不恰当。
处置流程与药物剂量
- 分类回归树模型预测流程:从顶部开始,首先判断至恰当抗菌药物时间是否>6.6小时;若>6.6小时,直接进入节点1(死亡概率0.76)。
- 若至恰当抗菌药物时间<6.6小时,进入节点2,判断APACHE II评分是否>28;若≤28,进入节点4(生存概率0.744)。
- 若APACHE II评分>28,进入节点3,判断乳酸是否>6.3 mmol/L;若>6.3 mmol/L,进入节点5(死亡概率0.817)。
- 若乳酸<6.3 mmol/L,进入节点6,判断年龄是否>65岁;若>65岁,进入节点7(死亡概率0.670);若<65岁,进入节点8(生存概率0.591)。
- 对于在感染性休克发生前已接受恰当抗菌药物的患者,应用模型时应按至恰当抗菌药物时间<6.6小时的分支(即进入节点2)进行预测。
研究设计与关键结果
- 研究类型:嵌套于回顾性数据库(CATSS)的队列研究,数据来自1996-2015年加拿大、美国、沙特阿拉伯28个医疗中心。
- 样本量:4222例肺炎合并感染性休克患者,男性61%,平均年龄62(17)岁,APACHE II评分26(8),乳酸4.1(3.9)mmol/L,89%(3760例)需要机械通气,院内死亡率51%(2141例死亡)。
- 死亡组与存活组比较:死亡组平均年龄65岁 vs 59岁,APACHE II评分更高,器官衰竭数更多,乳酸更高,至恰当抗菌药物平均时间17.2小时 vs 5.0小时。
- 分类回归树模型变量:至恰当抗菌药物时间、APACHE II评分、血清乳酸、年龄;最重要的预测因素是至恰当抗菌药物时间。
- 训练集(n=2111):准确率73%,特异性75%,敏感性71%,AUROC 0.75。
- 测试集(n=2111):准确率69%,特异性72%,敏感性65%,AUROC 0.72。
- 终末节点死亡概率:节点1(至恰当抗菌药物时间>6.6小时)0.76;节点5(时间<6.6小时、APACHE II>28、乳酸>6.3 mmol/L)0.817;节点7(时间<6.6小时、APACHE II>28、乳酸<6.3 mmol/L、年龄>65岁)0.670。
- 终末节点生存概率:节点4(时间<6.6小时、APACHE II≤28)0.744;节点8(时间<6.6小时、APACHE II>28、乳酸<6.3 mmol/L、年龄<65岁)0.591。
证据类型、等级与局限
- 证据类型:回顾性分析前瞻性收集数据的嵌套队列研究。
- 局限:原文报告仅能推断关联而非因果关系;观察性设计无法完全排除选择偏倚;采用内部验证(随机拆分训练集和测试集),需要外部数据进一步验证模型;研究中至恰当抗菌药物平均时间为6小时,高于当前建议的3小时内完成治疗,指南在研究期间(1996-2016年)发生变化,纳入所有数据以扩大样本量;约三分之一患者在接受恰当抗生素超过6小时;CART建模的局限性包括确定模型构建参数(如最小桶大小)的挑战以及模型可能存在的变异性。
对床旁实践的改变
- 对于肺炎合并感染性休克患者,床旁可用分类回归树模型(基于至恰当抗菌药物时间、APACHE II评分、乳酸、年龄)快速评估院内死亡概率。
- 模型提示至恰当抗菌药物时间是最重要的预测因素,延迟超过6.6小时死亡概率高(0.76),应关注早期给予恰当抗菌药物。
- 对于感染性休克发生前已接受恰当抗菌药物的患者,应用模型时按至恰当抗菌药物时间<6.6小时的分支进行预测。
- 作者认为CART模型简单、直观,无需计算或应用程序即可获得预测,优于逻辑回归。
提炼说明
- 原文未涉及「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译17 节 · 点击展开
背景
肺炎合并感染性休克与显著的发病率和死亡率相关。它是住院和死亡的主要原因,在美国估计每年有423,000次急诊就诊和每10万人中15.9例死亡[1, 2]。2011年,与肺炎相关的年度医疗费用每年超过100亿美元[3]。现有大多数关于肺炎预后判断的文献主要针对就诊于医院的患者进行风险分层,通过预测死亡风险来确定最佳照护地点。关于预测肺炎合并感染性休克患者院内死亡率的数据很少。
本研究的主要目的是使用分类与回归树(CART)方法来预测肺炎合并感染性休克患者的院内死亡率。CART方法允许使用可像流程图一样阅读的变量二元分割来开发预测模型[4, 5]。CART模型在不同医学领域日益流行[6–8],通过使用临床医生熟悉的过程(例如,预测变量的“高”值与“低”值)提供了一种直观的结果预测方法。我们假设预测院内死亡率的CART模型在预测准确性、敏感性、特异性和受试者工作特征曲线下面积(AUROC)方面具有良好的整体性能。具体而言,本研究的目标是:评估肺炎相关感染性休克患者的总体人口学和临床特征
根据临床结局比较肺炎相关感染性休克患者的人口学和临床特征
开发一个包含当前文献中建议变量的CART模型,以预测肺炎相关感染性休克患者的院内死亡率
使用预测准确性、敏感性、特异性和AUROC评估CART模型的性能
方法
这是一项嵌套在回顾性数据库(感染性休克合作抗菌治疗(CATSS)数据库)中的队列研究,研究对象为感染性休克患者。数据收集自1996年至2015年间加拿大、美国和沙特阿拉伯的28个医疗中心。研究设计和数据收集的详细信息已在先前的一篇论文中描述[9]。所有参与机构的机构审查委员会均给予了批准。本研究按照STROBE回顾性研究报告指南撰写(见附加文件1)[10]。
研究设计:患者和研究场所
提取了CATSS数据库中所有 enrolled 肺炎患者的临床和微生物学数据。CATSS数据库中的所有患者均患有感染性休克,因此纳入我们研究的所有患者均同时患有肺炎和感染性休克。肺炎的诊断由医生自行判断,并基于临床、微生物学和影像学信息。只有主要诊断为肺炎的患者才符合本研究的条件。患者记录和信息在用于本分析之前已进行匿名化和去标识化处理。结局数据缺失的符合条件的患者被排除在最终分析之外。
暴露和结局
基线患者特征包括人口学资料和合并症情况,在纳入登记研究时获取。脓毒性休克诊断后24小时内收集的数据包括血清碳酸氢盐水平、血清乳酸、胆红素、肌酐、血小板计数、国际标准化比值(INR)、白细胞(WBC)计数、器官衰竭数目以及急性生理与慢性健康评估II(APACHE II)评分[11]。主要结局指标为院内死亡率。适当抗菌药物给药时间定义为休克发生时间(平均动脉压< 65 mmHg的低血压且需要血管升压药支持)至根据原始患者病历审查后接受CATSS登记研究中列出的抗菌药物治疗的时间。
操作性定义
脓毒性休克采用1992年ACCP/SCCM指南定义[12]。根据该定义,患者需有记录或疑似感染、需要血管升压药的持续性低血压,以及以下四项中至少两项:(1)心率> 90次/分,(2)呼吸频率> 20次/分或动脉血二氧化碳分压(PaCO2)< 32 mmHg,(3)核心体温< 36 °C或> 38 °C,(4)WBC计数< 4000/μL或> 12,000/μL或杆状核> 10%。当低血压在充分液体复苏(2 L晶体液)后仍持续存在时,即视为脓毒性休克的初始发病[13]。采用预定规则定义记录感染和疑似感染,并按此前所述方法赋予临床分离株意义[9]。入院48小时后获得的感染所致脓毒性休克病例归类为院内感染病例。
采用预先确定的规则评估初始经验性抗菌治疗的适宜性和延迟情况[9, 13, 14]。对于培养阳性的脓毒性休克,如果对分离出的病原体具有体外活性的抗菌药物是在复发性或持续性低血压发作后给予的首个新的抗菌药物,或是在给予首个新的抗菌药物后6小时内开始使用,则初始抗菌治疗被认为是适宜的。不符合这些标准的初始治疗被认为是适宜的[9]。对于培养阴性的脓毒性休克,当符合广泛接受的针对该临床综合征典型病原体经验性治疗规范的抗菌药物是在复发性或持续性低血压发作后给予的新抗菌药物,或是在给予首个新的抗菌药物后6小时内开始使用,则初始抗菌治疗被认为是适宜的[9]。培养阴性感染经验性治疗适宜性的判定基于《桑福德抗菌治疗指南》(病例发生时最新可用版本)中“抗菌治疗初始选择的临床方法”所列出的建议。此外,由临床团队酌情咨询感染病医师和微生物学家,以考虑研究期间的当地实践模式和区域细菌耐药模式。为评估模型的预测性能,特异性定义为正确预测死亡结局的比例,敏感性定义为正确预测存活结局的比例。
CART分析
CART是一种决策树算法,遵循确定性规则为连续性或分类结局建立预测模型。这是临床预测建模中一种常用的方法,因为CART提供的模型使用简单,无需计算或计算机应用程序即可获得预测结果[6–8]。此外,CART模型通过基于自动化算法的最优分割标准,使用与目标结局相关的临床变量的高值与低值进行比较,提供了清晰的解释。树状图像流程图一样从上到下阅读,以获得对特定结局(例如,存活或死亡)的预测。从树的顶部开始,沿着与观察到的临床特征相对应的分支向下,直到到达终端节点,并显示每个结局组中所包含患者的比例。这些表格可用于评估患者落入每个结局类别的概率。
CART模型使用Breiman[4]首次引入的以下算法建立。树的构建首先通过选择能最优分离结局组的变量,并进行二元分割。然后,从这两个亚组中,有放回地选择后续变量(意味着变量可在模型中使用不止一次)以最优分离结局组,并进行第二层二元分割。变量分割递归进行,直到达到停止标准,此时出现终端节点。每个终端节点处即为特定数据子集的结局预测。
上一段描述的CART特征相较于标准逻辑回归在二分类结局建模方面具有优势。逻辑回归用于临床预测建模的潜在缺陷包括计算繁琐(例如,插入数值和进行幂运算需要计算器或应用程序)、结果解释不清晰(例如,对数比值比不直观,尤其是在预测变量之间存在交互作用时),以及假设条件不满足(例如,通过连接函数设定的预测变量与结局之间的线性关系可能不合适)。CART还包括一种使用替代分割处理缺失预测变量数据的方法,而逻辑回归则需要在开发预测模型之前使用单独的插补方法对所有观测的缺失数据进行填补。基于这些原因,与逻辑回归相比,CART是开发临床预测模型的一个有益框架。
变量
主要关注的结局是院内死亡率。多个变量被用于开发预测模型。临床变量包括年龄、性别、机械通气使用、感染获得场所(院内或社区)、基础免疫抑制状态、存在终末器官功能障碍的系統数量、至适当抗菌治疗的时间、体重指数和APACHE II评分。生化变量包括血清乳酸、胆红素、钠、肌酐、INR、血小板、WBC计数和白蛋白。微生物学变量包括培养阳性、合并菌血症/真菌血症、分离出的真菌和细菌病原体,以及耐药微生物的存在。除非另有说明,所有临床预测变量均在基线时收集。
统计方法
分析使用RStudio软件完成[15]。患者特征以均值(标准差(SD))或n(百分比)表示,并使用R包tableone通过t检验和二项检验进行比较[16]。P值< 0.05被认为具有统计学显著性。CART模型使用训练数据集(n = 2111)构建,并使用测试数据集(n = 2111)进行评估。训练数据和测试数据从整个数据集中随机拆分。使用R包rpart开发CART模型[17]。缺失预测变量数据使用替代分割方法处理,这是使用rpart包实现CART的标准内置功能。CART有时会产生过拟合数据的模型(即,它们可能为特定训练数据集建模过多的分割),这可能无法很好地预测独立测试数据。减少过拟合的方法之一是限制树的每个终端节点必须包含的观测数量。我们要求CART终端节点中的最小观测数为100(即,最小桶大小的调参值为100),以便相对于总训练样本提供足够的数据量,在最终变量分割中进行有意义的预测。预测模型通过二项估计和置信区间在总体准确率、敏感度和特异度方面进行评估。AUROC及其相应置信区间使用R包ROCR [18]和cvAUC [19]确定。
结果
总体人口学和临床特征
共有4222例肺炎合并感染性休克患者纳入分析(61%为男性)(表1)。患者平均(标准差)年龄为62(17)岁。63%(n = 2652)的患者临床分离株培养阳性,21%(n = 876)合并菌血症,35%(n = 1075)为医院获得性感染。在培养阳性的患者中,最常见的病原体为金黄色葡萄球菌(n = 702,27%)、链球菌属(n = 658,25%)、假单胞菌属(n = 267,10%)、大肠埃希菌(n = 225,9%)、克雷伯菌属(n = 183,7%)和流感嗜血杆菌(n = 118,4.4%)。感染性休克发病时平均(标准差)APACHE II评分为26(8),血清乳酸为4.1(3.9)mmol/L。ICU住院期间,89%(n = 3760)需要机械通气。在3048例于感染性休克发生后接受适当抗菌治疗的患者中,抗菌药物给药的平均时间为10.9小时(标准差 = 18.6小时)。51%(n = 2141)的患者在医院内死亡。
在肺炎合并感染性休克患者中,2141例在医院内死亡,2081例存活。与存活者相比,医院内死亡患者年龄显著更大(平均年龄65岁对59岁),体重指数更低(28对27)(表2)。合并血流感染、脓胸、微生物学阳性、革兰阴性病原体和真菌病原体的存在与院内死亡率升高相关。医院获得性肺炎感染、更高的APACHE II评分和更多的器官衰竭数量也与更差的结果相关(表2)。死亡患者中机械通气的使用更为常见。入院生化检查显示,与存活患者相比,死亡患者的血小板显著更低,乳酸更高,INR更高,胆红素更高,白蛋白更低。两组之间白细胞计数、钠和肌酐未检测到显著差异。院内死亡在免疫功能受损患者中显著更为常见。适当抗菌治疗给药的平均时间在存活患者中为5小时,在死亡患者中为17小时。
预测院内死亡率的CART模型
整个数据集被随机分为用于模型开发的训练数据和用于模型验证的测试数据。训练数据集和测试数据集之间未检测到显著差异。用于预测肺炎合并感染性休克患者死亡率的CART模型见图1。模型包含的变量为适当抗菌治疗的给药时间、APACHE II评分、血清乳酸和年龄。院内死亡率最重要的预测因素为适当抗菌治疗的给药时间。
以下特征与更高的死亡概率相关:从感染性休克发病到给予适当抗菌治疗的时间 > 6.6小时(节点1,死亡概率 = 0.76)
从感染性休克发病到给予适当抗菌治疗的时间 < 6.6小时、APACHE > 28且乳酸 > 6.3 mmol/L(节点5,死亡概率 = 0.817)
从感染性休克发作到给予适当抗菌药物治疗的时间 < 6.6 h、APACHE > 28、乳酸 < 6.3 mmol/L,且年龄 > 65(节点7,死亡概率 = 0.670)
以下特征与较高的生存概率相关:从感染性休克发作到给予适当抗菌药物治疗的时间 < 6.6 h 且 APACHE < 28(节点4,生存概率 = 0.744)
从感染性休克发作到给予适当抗菌药物治疗的时间 < 6.6 h、APACHE > 28、乳酸 < 6.3 mmol/L,且年龄 < 65(节点8,生存概率 = 0.591)
有1174例患者在感染性休克发作前接受了适当的抗菌药物治疗。在用于开发CART预测模型的训练数据集中,这些患者被视为缺失值处理。CART框架使用一种称为替代分割的方法来处理任何缺失值,即使用非缺失变量对任何缺失值进行“替代”分割。因此,在感染性休克发作前接受适当抗菌药物治疗的患者被纳入CART模型开发。在实际应用于患者的新观测值时,应遵循图1中对应于适当抗菌药物治疗时间 < 6.6 的分支(即 proceed to 节点2)。
预测院内死亡率:一个示例
一名患有肺炎和感染性休克的患者入院时具有以下特征:感染性休克后3 h给予抗菌药物,APACHE II评分为30,乳酸为10.2 mmol/L,年龄为64岁。首先,至抗生素给药的时间小于6.6 h(在节点1为真),因此我们沿右分支到节点2。接下来,APACHE II评分 > 28 为真,因此我们沿左分支到节点3。然后,乳酸 > 6.3 mmol/L,因此我们继续沿左分支到节点5。由于节点5下没有节点,这就是该模型的最终预测。该患者的死亡概率为0.817,生存概率为0.183。因此,预测该患者将在院内死亡。
评估性能
CART模型的性能指标及相关置信区间见表3。在训练数据集中,CART死亡预测模型的总体准确率为73%,特异度为75%,敏感度为71%。该模型显示出良好的总体性能,训练数据集AUROC为0.75。在测试数据集中,CART死亡预测模型的准确率为69%,特异度为72%,敏感度为65%。该模型具有良好的总体性能,测试数据集AUROC为0.72。
讨论
关键结果总结
在本研究中,我们评估了一个大型多中心肺炎并发感染性休克患者队列。该人群的总体死亡率(51%)较高。共有3048例患者在发生感染性休克后接受了适当的抗菌治疗,接受适当抗菌治疗的平均时间为10.9小时。院内死亡的患者年龄显著更大,APACHE II评分、器官衰竭数目及入院血清乳酸水平均显著更高。适当抗菌治疗的给药时间仍是该人群院内死亡的最重要预测因素。在训练集(n = 2111)中,使用APACHE II评分、乳酸、年龄及适当抗菌治疗时间的CART模型预测准确率为73%,特异度75%,敏感度71%,AUROC 0.75。在测试集(n = 2111)中,CART模型的预测准确率为69%,特异度72%,敏感度65%,AUROC 0.72。
本研究的新颖之处在于使用分类与回归树(CART)方法学,为肺炎合并感染性休克患者的结局开发了一个简单、准确的预测模型。CART允许使用二元分裂开发预测模型,并提供了一种直观的方法,利用临床医生熟悉的过程(例如,预测变量的“高”值与“低”值)来获得结局预测。CART的非参数性质使其结果使用简单,且不需要计算或使用应用程序。模型可通过流程图轻松阅读和解读。与逻辑回归相比,CART的这些方面具有优势,因为逻辑回归的计算可能繁琐(例如,代入数值和进行指数运算需要计算器或应用程序),结果的解读可能不清晰(例如,如果两个或多个预测变量之间存在交互作用),且假设可能无法满足。
与文献的比较
肺炎并发感染性休克患者面临不良结局的显著风险。本队列中观察到的51%院内死亡率显著高于已报道的肺炎患者及表现为肺炎和感染性休克患者的群体水平结局死亡率[20, 21]。尽管有这些研究,关于预测肺炎和感染性休克患者结局的数据仍然缺乏。
本研究采用分类与回归树(CART)方法建立了一种预测院内死亡概率的机制。既往的预测模型主要集中于预测患者就诊时的结局,用于肺炎入院时的风险分层[22–24]。与既往文献一致,我们的研究强调,感染性休克的存在和疾病严重程度(APACHE II)、年龄、乳酸以及给予适当抗菌治疗的时间显著影响肺炎患者的生存。在我们的研究中,多变量CART分析表明,最重要的死亡预测因素是從感染性休克发生到给予适当抗菌治疗的时间增加。院内死亡的其他预测因素包括疾病严重程度(APACHE II评分)、高血清乳酸和年龄较大。我们的研究通过强调早期干预和给予适当抗菌治疗以优化感染性休克患者结局的重要性,对既往研究进行了补充。
尽管CART模型已存在数十年,但可用于预测危重患者人群结局的决策树模型仍然缺乏。Wong等[25]使用CART分析355例感染性休克儿童,以评估生物标志物和临床变量。所得决策树由五条基于生物标志物的决策规则和十个变量分割组成。这项工作主要是为了补充微阵列研究,以探索潜在的基因产物作为脓毒症靶点。Wong等随后将相同的五种生物标志物连同乳酸、年龄和慢性病状态[26]应用于672例成人感染性休克患者,并建立了临床预测模型,其受试者工作曲线下面积为0.72(验证集),与本研究相似。除了这两项主要集中于基因产物/潜在新型生物标志物的研究(均<700例患者)外,决策树预测方法此前尚未像本研究这样使用 readily available 的临床信息用于大量成人感染性休克人群。
局限性
本研究应在其设计局限性的范围内进行解读。本研究是对前瞻性收集数据的回顾性分析,只能推断相关性,而不能推断因果关系。鉴于本研究为观察性研究,我们无法最终排除选择偏倚的来源[27]。我们实施了一套内部验证方案,使用随机拆分的训练和测试数据集来构建和评估死亡风险的CART预测模型。应使用外部数据进一步验证CART模型。另一个局限性是,适当抗菌治疗的平均时间为6小时,大于目前建议的3小时内完成治疗。这些指南在研究期间(从1996年到2016年)发生了变化,因此我们纳入了所有数据,以便拥有更大的样本量来开发预测模型。尽管当前指南建议在3小时内完成脓毒症集束化治疗[28],但本研究中约三分之一的患者在6小时后接受了适当的抗生素治疗。抗生素使用时间较长的原因有几个:我们的研究纳入的是适当使用抗生素而不仅仅是任何抗生素使用的时间,本研究中约一半的患者为病房患者,与急诊入院相比,其接受适当抗菌药物的时间更长,并且我们研究的数据范围为1996年至2016年,在此期间抗生素使用时间显著长于目前的标准化实践。尽管存在这些局限性,本研究的优势包括纳入了来自三个地理区域28个重症监护病房的患者。
CART建模的局限性包括确定模型构建参数的挑战(例如,决定最小桶大小)以及CART模型可能存在的变异性,如统计学文献中所讨论的(例如,[8, 29–32])(附加文件2)。纳入年龄和APACHE II评分(其计算也使用了年龄)变量,突显了年龄对预测肺炎相关脓毒性休克患者结局的重要性。与可能受到相关变量负面影响的传统回归模型不同,CART模型由于拆分的二分类性质,能够充分处理相关变量。然而,与CART模型有益的简洁性和相对较高的预测准确性相比,这些局限性是微小的。
结论
肺炎合并脓毒性休克患者的总体死亡率较高(CATSS数据集中为51%)。适当抗菌治疗时间延长、APACHE II评分、血清乳酸和年龄与院内死亡率显著相关。CART模型提供了性能良好的简单预后模型。
附加文件
附加文件1:用于报告回顾性研究的STROBE指南。(DOCX 38 kb)
CART的优点、树的开发以及CART模型的局限性。(DOCX 17 kb)
参考来源
- Speiser JL, Karvellas CJ, Shumilak G, et al. Predicting in-hospital mortality in pneumonia-associated septic shock patients using a classification and regression tree: a nested cohort study. J Intensive Care. 2018. PMID: 30349726. doi:10.1186/s40560-018-0335-3
- 全文:PMC6186142(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6186142/
供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。