基于生理生命体征特征的重症监护室低血压事件预测
本研究利用MIMIC-3数据库中2000-2014年单中心回顾性数据,提取逐分钟生命体征,定义低血压事件为10分钟内至少5次测量收缩压≤90 mmHg且平均动脉压≤60 mmHg。采用随机森林分类器,以30分钟重叠时间窗预测首次低血压事件,训练集与验证集按入院日期中位数划分。验证集AUROC在低血压前15分钟和60分钟分别为0.93和0.88,AUPRC在60分钟前为0.77。堆叠模型加15分钟锁定后平均每小时0.79次警报,灵敏度92.4%,提示该警报系统在ICU床旁具有潜在实用性。
要点
- 低血压事件定义为10分钟内至少5次测量收缩压≤90 mmHg且平均动脉压≤60 mmHg,两次低血压期间间隔≤2分钟则合并为同一事件。
- 随机森林模型在验证集低血压前15分钟和60分钟的AUROC分别为0.93和0.88,60分钟前AUPRC为0.77。
- 风险评分轨迹显示低血压组与非低血压组平均风险从低血压前至少3小时开始分离,低血压前约30分钟风险快速上升。
- 采用风险评分阈值0.5时,堆叠模型加15分钟锁定后平均每小时0.79次警报,灵敏度92.4%,即7.6%的实际低血压事件未被预测。
- 在假设的20张床ICU中,加15分钟锁定后模型每小时报警约16次,而无锁定时每小时约159次。
适用人群与场景
- MIMIC-3数据库中年龄≥18岁、具备全部生命体征和临床记录的ICU患者,来自美国波士顿一家三级医院,2000-2014年数据。
- 低血压组排除首次低血压事件前2小时内接受过血管升压药、任何量晶体液团注或输注浓缩红细胞的受试者。
- 仅针对ICU内首次低血压事件进行预测,不适用于后续低血压事件的预测。
诊断标准与关键阈值
- 低血压事件定义:10分钟连续血压读数中至少5次测量收缩压≤90 mmHg且平均动脉压≤60 mmHg;两次低血压期间间隔≤2分钟则合并为一次事件。
- 数据预处理剔除生理上不可能的值:收缩压、舒张压或平均动脉压<10或>400 mmHg;呼吸频率<1或>100次/分;心率<10或>400次/分;SpO2<10%。
处置流程与药物剂量
- 原文未提及
红旗征与不能漏的情况
- 原文未提及
研究设计与关键结果
- 研究类型:回顾性队列研究,使用MIMIC-3单中心数据,开发队列与验证队列按入院日期中位数划分。
- 样本量:源人群10,269名受试者(22,246次ICU住院),低血压组1,532名受试者(1,946次ICU住院),非低血压组1,707名受试者(2,585次ICU住院);验证队列包括666名低血压受试者(799次ICU住院)和793名非低血压受试者(1,131次ICU住院)。
- 干预与对照:无干预,比较随机森林、K近邻、梯度提升树和L2正则化逻辑回归模型的预测性能;随机森林因性能等效且校准较好(Brier评分0.09)被选为最终模型。
- 主要终点结果:验证集低血压前15分钟和60分钟的AUROC分别为0.93和0.88,60分钟前AUPRC为0.77。
- 警报系统性能:风险评分阈值0.5时,堆叠模型加15分钟锁定后平均每小时0.79次警报/受试者,灵敏度92.4%,阳性预测值65.2%(未加锁定时为4.93次警报/小时,PPV 65.2%)。
- 受试者水平AUPRC:整个ICU数据为0.68;随机选取1小时数据时为0.91。
证据类型、等级与局限
- 证据类型:基于MIMIC-3数据库的回顾性队列研究,使用机器学习模型开发与验证。
- 局限:未使用多中心数据进行外部验证,仅采用先验分离的样本外验证集;低血压操作定义基于常规截断值,未个体化;仅预测首次低血压事件;排除首次低血压前2小时内接受液体复苏或血管升压药的患者,可能缩小警报系统的潜在适用人群;未利用生理约束下的特征间时间相关性。
对床旁实践的改变
- 该模型可提前至少1小时预测ICU首次低血压事件,为临床团队提供准备时间,但需注意其仅基于单中心回顾性数据开发,尚未外部验证。
- 警报系统采用15分钟锁定策略可显著减少警报频率(从每小时4.93次降至0.79次),同时保持较高灵敏度(92.4%),有助于减轻警报疲劳。
- 该模型不适用于已接受血管升压药、晶体液团注或红细胞输注2小时内的患者,也不适用于预测后续低血压事件。
- 风险评分轨迹的组间分离基于群体平均,不能直接用于个体患者风险判断,个体间风险评分变异较大。
指南或共识出处
- 原文未提及
全文中译13 节 · 点击展开
引言
已知低血压是失代偿性休克最一致的表现,可导致主要器官衰竭和死亡[1]。低血压与其他慢性危险因素一起,与急性肾损伤、心肌缺血和死亡风险增加相关[2, 3]。然而,血流动力学监测变量中预示即将发生低血压的潜在特征尚未被明确识别[4]。识别患者正处于低血压发作的轨迹上并有足够的提前时间,可能有助于有效减轻低血压并可能改善结局。此外,当前的低血压治疗方案本身可能与不良后果相关,如过度复苏和急性肺损伤恶化[5, 6]。
已引入多种早期预警评分来识别有失代偿风险的患者并触发升级护理[7–9]。然而,大多数为手工计算,且通常需要输入监测仪或电子健康记录中不易直接获取的额外数据,限制了其效用[10]。更重要的是,当前指标无法为需要对快速波动状况做出时间敏感决策的临床医生提供可靠、连续的反馈。即使是近期关于数据驱动预测模型的出版物也缺乏临床适用的实施策略[11–13]。因此,创建一个实时、连续、具有转化相关性的预测系统——该系统超越简单的预测模型,包含额外的富集层以增强警报可靠性——将通过提高可靠性和减少误报警,有利于在床旁的成功实施。
通过简约使用多粒度特征并应用机器学习(ML)算法,我们先前已证明早期预警系统在降阶病房中以高准确度预测心肺功能不全(CRI)[14]以及ICU中预测心动过速[15]的价值。我们还证明了CRI风险沿异质性但可重复的轨迹演变,使得能够早期预测危机发作[16]。我们假设临床显著的低血压——一种常见的CRI形式——也可以被预测,并且该预测可以转化为危重患者的实用警报系统。
材料与方法
研究人群
一个公开可用的回顾性多粒度数据集,即重症监护医学信息库III(MIMIC-3),收集了2000年至2014年间马萨诸塞州波士顿一家三级护理医院的数据,被用作数据来源[17]。选择年龄≥18岁且具有全部生命体征和临床记录的受试者。应用算法识别低血压事件,如下所述,将源人群分类为“低血压组”(经历至少一次低血压事件的受试者)和“非低血压组”(无低血压事件的受试者)。为提高对首次记录的低血压事件识别的特异性,我们进一步从低血压组中排除了在受试者初始(首次)低血压事件前两小时内接受过血管升压药、任何量的晶体液快速输注或浓缩红细胞输注的受试者。仅针对首次低血压事件进行预测。在入院中位日期之前入住ICU的受试者用于模型选择和训练,而在入院中位日期之后入院的受试者用于验证。
低血压的定义、数据预处理和特征工程
为识别具有临床意义的低血压,采取了以下步骤。首先,低血压的阈值确定为收缩压(SBP)≤ 90 mmHg和平均动脉压(MAP)≤ 60 mmHg [18]。其次,10次连续血压读数中至少有5次(10分钟中5次,数据点离散)必须低于阈值。第三,如果两个低于阈值的时期之间存在2分钟或更短的间隔,则将这两个时期合并为单个低血压事件(附加文件1:图S1)。
在预处理中,删除了生理上不合理的值,包括SBP、舒张压(DBP)或MAP < 10或> 400 mmHg;呼吸频率< 1或> 100次/分,心率< 10或> 400次/分,SpO2 < 10%。缺失值使用前三个值的移动平均值进行插补,假设该缺失数据时间段内信号稳定(如果少于10分钟)。避免使用未来数据进行插值。通过将插补数据窗口的统计量与无缺失数据段提供的真实值进行比较,检验了该插补方法的性能。
我们从原始生命体征时间序列中计算特征,包括统计值(方差、四分位数、均值、中位数、最小值、最大值)、使用离散傅里叶变换的频域特征[19],以及指数加权移动平均(EWMA,对近期事件权重增加的移动平均)[20]。特征在不同时长的时间窗(5、10、30和60分钟)上计算,每分钟滚动一次。为了适当标记真实低血压事件,我们假设训练集中低血压受试者的所有时间窗在低血压事件前最后15分钟内均具有阳性标签(低血压)。对于非低血压组,我们为选择的非低血压受试者时间窗分配阴性标签,其“起始”时间定义为在低血压受试者入住ICU后首次低血压发作平均时间的15分钟以内(图1)。在非低血压组中匹配与低血压组首次低血压事件时间相似的时间间隔,是为了以最小潜在偏倚生成阴性标签,因为ICU入住最初数小时或最后数小时的整体轨迹可能引入更大的非生理性混杂因素。使用15分钟时间框架的决定考虑了预期的低血压事件临床实际反应时间,并得到t-随机邻域嵌入(t-SNE)分析[21]的客观支持,该分析是一种无监督机器学习模型,用于估计两组在低血压前的分叉时间点(附加文件2:图S2)。
模型训练与验证
我们在训练集(开发队列)上使用随机森林(RF)分类器、K近邻(KNN)分类器、梯度提升树和带L2正则化的逻辑回归模型[22, 23],采用十折交叉验证过程(附加文件3:图S3)。训练集中表现最佳的模型被应用于验证集。使用受试者工作特征曲线下面积(AUROC)及其随时间的变化来比较这些不同监督机器学习模型的性能。由于低血压组和非低血压组受试者数量不相等(不平衡),我们还根据近期遵循个体预后或诊断多变量预测模型透明报告(TRIPOD)声明的建议[24, 25],计算了精确率-召回率曲线下面积(AUPRC)。模型校准使用Brier评分[26, 27]评估。关于所用模型、训练方法和性能评估技术的简要说明可见于补充词汇表(附加文件4:词汇表)。
低血压预测风险评分轨迹
在验证队列中,每分钟为每名受试者生成一个风险评分(0至1之间的数字,代表观察窗口结束时未来发生低血压的相对概率),从而为受试者整个ICU住院期间生成个体化风险轨迹。由于数据缺失,并非所有受试者在低血压发生前或监测窗口结束前每分钟都计算了风险评分。
低血压预警系统的运行性能
为了更好地理解低血压预测模型在作为预警系统部署时的前瞻性表现,我们统计了每名受试者每小时预测低血压风险评分超过各种风险评分阈值的超限次数。为了进一步确定风险评分超限是否构成系统预警,我们采用了堆叠随机森林(RF)模型。该两步(堆叠)模型(附加文件5:图S4)首先通过十折交叉验证进行训练,然后使用额外特征对样本外受试者进行验证,这些特征包括入院时间、第一模型生成的风险评分在当前时间之前最近5、10和30分钟移动窗口内的平均值、最小值、最大值和标准差。最后,使用15分钟的锁定时间(如果在前一次预警后15分钟内出现预警,则不会生成预警)以防止过多预警(无论是真预警还是假预警)。预警层面性能通过真阳性预警率和每名受试者每小时总预警数进行评估,以评价收到的预警是否可信,以及临床医生在床旁会收到多少预警。受试者(患者)层面性能通过预警后未来发生低血压事件的概率(阳性预测值,PPV)和召回率(1—灵敏度)进行评估,分别展示预警系统预测低血压事件的可能性以及未能预测低血压事件的可能性。
结果
从包含10,269名受试者、22,246次ICU住院的源人群中,我们识别出1532名受试者(1946次ICU住院)为低血压组,1707名受试者(2585次ICU住院)为非低血压组(图2)。开发队列包括641名低血压受试者(781次ICU住院)和826名非低血压受试者(1148次ICU住院)。验证队列包括666名低血压受试者(799次ICU住院)和793名非低血压受试者(1131次ICU住院)。开发队列和验证队列在规模、性别、ICU类型(即内科ICU、心胸外科ICU或外科ICU)和院内死亡率方面相似。值得注意的是,开发队列的年龄和住院时间略短(附加文件6:表S1)。在比较低血压组和非低血压组时,低血压组受试者年龄更大(年龄66.4岁 vs. 60.8岁),住院时间更长(11天 vs. 5.7天)。除此之外,低血压组和非低血压组在性别分布和ICU类型方面相似(附加文件7:表S2)。首次低血压事件的平均时间为102小时16分钟(标准差:164小时23分钟)。中位时间为34小时28分钟,四分位距为107小时45分钟。
机器学习算法的性能
在选择最佳风险模型时,与KNN、逻辑回归和梯度提升森林模型相比,RF在验证队列上的AUROC可视化表现出等效的性能。在验证队列中,低血压事件前最后15分钟和1小时的AUROC分别为0.93和0.88(附加文件8:图S5,左),具有良好的校准评分(Brier评分0.09)(附加文件8:图S5,中),AUPRC为0.90和0.83(附加文件8:图S5,右)。鉴于预测性能的等效性,但校准评分占优,我们选择RF算法来构建预测模型。然后,通过验证队列验证RF模型的性能,包括AUROC、校准图和AUPRC(图3)。
轨迹分析
由于数据不完整导致的缺失值,我们有793名低血压受试者和1131名非低血压受试者具有风险评分轨迹。用验证队列绘制的轨迹(图4)显示,从低血压前3小时起,低血压受试者和非低血压受试者之间的平均风险出现明显分离。随着低血压受试者越来越接近低血压事件,这种分离变得更加明显,低血压受试者的风险从低血压前约30分钟开始迅速升高。
警报识别与操作实用性
我们研究了不同风险评分阈值与未来低血压概率(警报)之间的关系。我们首先选择0.5的阈值,旨在至少检测出90%的实际未来低血压事件,平均产生7.39次警报/受试者/小时,阳性预测值(PPV)为57.7%。使用堆叠随机森林(RF)模型,在相同阈值下平均警报频率降至4.93次警报/受试者/小时,PPV提高至65.2%。对堆叠模型输出添加15分钟锁定时间后,警报进一步降至0.79次警报/受试者/小时。这意味着,在锁定时间下,单次警报对应未来低血压的概率(PPV)不会受到负面影响,但临床医生可预期的警报次数将大幅减少(平均每75分钟一次)。使用相同阈值,我们的模型敏感度为92.4%(未能预测7.6%的实际低血压受试者的低血压)(图5)。在患者(受试者)层面,给定受试者的整个ICU数据显示AUPRC为0.68。当使用低血压组和非低血压组中随机1小时数据时,验证队列中AUPRC为0.91。
讨论
本研究是少数证明数据驱动预测临床显著低血压事件能力的研究之一,使用监督机器学习(ML)算法对流式床旁监测生命体征数据进行预测,并且独特之处在于为利用回顾性数据开发的预测模型设计警报系统提供了可操作的路线图,具有临床实用性。在本研究中,我们专注于设计一个具有操作实用性的“数据驱动”风险预测系统。我们的方法值得注意之处在于建模部分——我们使用多种方法评估模型性能并表达风险的动态变化,以及实施部分——我们设计了两步流水线以提高警报的整体可靠性并减少警报疲劳。
使用基于ML的方法预测低血压的研究很少。最近一篇报告描述了术中使用来自专用市售无创连续动脉波形传感器的数据提前10–15分钟预测低血压[11]。我们的研究表明,该预测任务可扩展至ICU患者,使用相对稀疏(逐分钟)的数据,产生更长的预测时间窗(事件前60分钟AUROC为0.88),并与临床相关警报相关联(平均0.79次警报/受试者/小时,锁定时间为15分钟)。我们的策略在实施中具有实际优势,可确保有时间准备行动计划,并且在相对资源有限、无法获得训练有素的重症监护提供者持续护理以立即采取行动的环境中可能有用。
预测模型的性能需要采用多种方法进行评估。既往基于MIMIC II数据库的研究利用生命体征和用药数据预测事件发生前1小时的低血压,其AUROC为0.934 [12]。然而,尽管AUROC看似很高,该研究报告了大量阴性样本(低验前概率)以及具有误导性的低PPV(0.151),限制了所得模型在现实中的可行性。为增强实施中的潜在可行性,我们通过不仅采用AUROC轨迹,还采用AUPRC以及使用Brier评分评估的校准,进行了多方面的性能评价。在方法学上,仅依赖ROC曲线累积评估的模型分析可能会误导对生命体征生理学中此类模式的解读,因为AUROC本身并不涉及误分类代价 [28]。加入PRC使得能够在组间不平衡时评估模型识别真阳性的能力,从而全面呈现不同模型的能力。校准研究有助于选择预测结果与后验概率分布最一致的模型类型。
构建风险评分轨迹具有概念和实践上的优势。瞬时评分可能受到随机波动、错误录入和伪差的影响,而轨迹提供了风险的历史背景,这转化为健康状况恶化或改善的临床概念,或许是对干预措施的反应 [29–31]。其次,研究表明危重患者的预后与对突发变化的早期识别和及时干预相关 [32]。早期识别危重患者的动态风险变化可能具有高度信息价值,因为ICU中突然的意外生理恶化很常见(例如,脓毒症患者因应激性溃疡发生胃肠道出血;或肾衰竭患者因严重高钾血症出现心律失常)。在我们的研究中,以风险评分轨迹可视化的预测能够在低血压事件发生前至少3小时即区分平均风险评分,这一客观指标不依赖于执业者的解读技能水平。虽然这一发现说明了我们模型的能力,但需谨慎解读:平均风险从不适用于个体患者;因此,鉴于现实生活中风险评分的个体间差异很大,应提供个体超出常见范围的概率。
在现实生活中,对任何关键事件进行预测并随后采取可靠的警报策略,将是重症监护病房(ICU)护理的圣杯之一,因为个体临床表现高度多变且异质。最近一项研究证实了这一点,因为在脓毒性休克期间采用标准化复苏方案时,观察到了各种心血管状态、储备或反应[33]。将预测传递到床边也具有挑战性,因为警报应是可操作的,并与有意义的管理策略相关联。最近一项研究开发了术中低血压预测指数,在15分钟时AUROC为0.88,具有出色的PPV和NPV[34],并与手术室中治疗预测性低血压的行动计划相关联,结果减少了低血压和术后并发症[35]。在我们的研究中,我们构想了一种预测性警报系统,该系统在监测频率低于手术室的ICU环境中表现良好,并采用锁定设计以尽量减少警报疲劳。首先,我们的两步模型展示了潜在实施的效用,进一步提高了真阳性率并降低了假阳性率。然后,15分钟的锁定期间使模型更具可操作性,减少了对警报疲劳的不必要影响。减轻警报疲劳很重要,因为如果临床医生忽视过于频繁的警报,即使这些警报可能携带关键信息,也可能与未能挽救相关[36]。选择15分钟锁定期间是为了减少具有相似临床意义的重复警报,假设频率高于15分钟的警报不会改变管理策略的理由。在一个假设的20张床位ICU中,我们的模型每小时将发出16次警报,而如果没有锁定期间,它将每小时产生159次警报(7.93 × 20)。这种方法的一个良好例子是最近一项研究,该研究对心胸ICU患者使用基于规则的模型,通过锁定将警报减少了55%,同时几乎捕获了所有真实的临床恶化事件[37]。最后,通过警报系统的警报级别和受试者级别分析,我们表明,绝大多数未来低血压可以以高灵敏度和可解释的概率被捕获,表明潜在的现实效用。
我们的工作存在若干局限性。首先,未使用多中心数据的外部验证队列来确认模型性能,而是使用了预先分离的样本外验证集。我们目前正在本机构收集大规模多粒度ICU数据,并计划进一步进行外部队列验证。其次,我们对低血压的操作性定义基于传统截断值,并非专门针对个体受试者特征而设计。此外,尽管我们进行了预处理以尽量减少非生理性伪差,仍可能存在落在生理正常范围内的伪差并干扰分析。然而,我们推测如果伪差在生命体征样本间的分布不是系统性的(即随机的),剩余伪差的影响可能与分析的相关性很小。第三,我们开发了ICU中首次低血压事件的风险模型,以简化预测任务。一个适用于整个住院期间的报警系统必须超越首次低血压发作。针对所有低血压发作的报警系统需要整合针对后续发作的不同风险模型,而该模型可能将临床干预和既往发作次数作为额外风险因素。我们目前正在开发这样的模型。我们还排除了在首次低血压事件2小时内接受过液体复苏或血管升压药治疗的受试者。这一建模选择的理论依据是:此类干预可能与未被记录的低血压(数据可获取之前)相关,因此该亚人群中记录到的首次低血压发作更可能是后续发作。这些选择缩小了我们的报警系统在实际部署时的潜在效用。尽管我们提出的报警系统可以在这些情况下进行测试,但我们预期性能会下降。第四,我们没有将生理约束所施加的特征间时间相关性作为额外特征使用。扩展变量集以纳入更复杂和受生理学启发的特征,并纳入更高粒度的监护数据(如波形),可能实现更好的算法性能。最后,我们对低血压事件的选择可能遗漏了潜在的真正事件(假阴性),因为急性严重低血压事件通常在数分钟内即通过液体复苏或血管升压药治疗进行处理。借助更高粒度的数据集,我们认为可以以更精细的方式识别个体轨迹及其未来低血压的触发因素。
结论
临床相关低血压事件可以通过机器学习方法从逐分钟生命体征数据集中进行预测。该预测可以整合到高灵敏度报警推送系统中,假报警率低,引起的报警疲劳最小,具有潜在的现实应用价值。
补充信息
附加文件1:图S1。低血压事件定义的图示,包括持续时间、间隔和密度标准。
附加文件2:图S2。使用t-随机邻域嵌入(t-SNE)嵌入选择低血压事件前的最佳时间窗。原始生命体征数据从低血压事件前1小时开始绘制(或在低血压组或非低血压组中,从低血压事件平均时间前1小时开始绘制)。t-SNE强制将生命体征相似的数据紧密投影在一起。通过这种数据的流形表示,显示了低血压组数据点的分布(左图)。点的颜色代表距低血压事件的时间范围。非低血压组的数据点(深蓝色点)与低血压组的大部分区域重叠,表明非低血压组的生命体征行为与低血压组相似。然而,当仅与低血压组比较时(右图),重叠不涉及某些区域,尤其是红色点,代表低血压受试者在低血压事件前约15分钟。这表明在事件前约15分钟,两组之间的生命体征模式在概率上是不同的。
附加文件3:图S3。根据ICU入住的中位时间将数据分为训练子集和验证子集。蓝色部分(左侧)用于完成低血压预测模型的训练,随后采用10折交叉验证方法。然后,预先分离的黄色部分(右侧)用于 afterwards 验证模型。
附加文件4:所用机器学习模型、模型训练方法和模型性能评估技术的术语表。
附加文件5:图S4。堆叠模型(两步法)得出警报评分的流程图。第一步模型是使用输入生命体征特征训练的随机森林回归器来预测风险评分。第二步模型是另一个随机森林,具有扩展的特征集以减少假警报。附加特征包括自入住以来的时间、当前时间前最后5、10和30分钟内从第一模型获得的风险评分的平均值、最小值、最大值和标准差。两个随机森林模型均采用十折交叉验证进行训练和测试。
附加文件6:表S1。训练队列和验证队列的人口学和临床特征。
附加文件7:表S2。所有受试者中低血压组和非低血压组训练队列和验证队列的人口学和临床特征。
附加文件8:图S5。各种监督机器学习算法在训练队列上的性能评估,包括受试者工作特征曲线下面积(AUROC)随时间的变化(左图)、带有Brier评分的校准图(中图)以及精确率-召回率曲线下面积(AUPRC)随时间的变化(右图)。注意,随机森林在AUROC和AUPRC分布方面与其他方法性能相似,但表现出更优的校准指标。
参考来源
- Yoon JH, Jeanselme V, Dubrawski A, et al. Prediction of hypotension events with physiologic vital sign signatures in the intensive care unit. Crit Care. 2020. PMID: 33234161. doi:10.1186/s13054-020-03379-3
- 全文:PMC7687996(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7687996/
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。