Очередная модель машинного обучения для выявления факторов риска острого почечного повреждения (Intensive Care Medicine Experimental, июнь 2024)

Введение: стратификация риска и прогнозирование клинических исходов имеют важное значение для планирования ресурсов отделения интенсивной терапии (ОИТ). Для работы с большими массивами данных, касающихся пациентов ОИТ, авторы применили новейшую модель машинного обучения «the Explainable Boosting Machine [EBM]», с помощью которой выявлялись детерминанты острого почечного повреждения (ОПП). ОПП в значительной степени влияет на клинические исходы критически больных пациентов. 

Методы: был проведен анализ 3572 пациентов ОИТ. Были изучены следующие переменные: среднее центральное венозное давление (CVP), среднее артериальное давление (МАР), возраст, половая принадлежность и коморбидность. Этот анализ сочетал в себе традиционные статистические методы в сочетании с возможностями EBM. 

Результаты: анализ показал, что хроническая болезнь почек, сердечная недостаточность, аритмии, заболевания печени и анемия оказывают значительное влияние на риск развития ОПП, при этом заболевания печени и анемия несут в себе самые высокие риски развития ОПП. Также имеют значение и хирургические факторы, когда хирургия нижних отделов желудочно-кишечного тракта в несколько раз повышает риск ОПП, в то время как нейрохирургия показала ассоциацию со снижением риска ОПП. EBM выявила четыре важных переменных, что влияют на прогнозирование ОПП: анемия, заболевание печени и центральное венозное давление увеличивают риск ОПП, а у нейрохирургических заболеваний такого риска не наблюдается. Возраст оказался прогрессирующим фактором риска, когда по достижении пациентами возраста 50 лет и выше резко возрастает риск развития ОПП. Нестабильная гемодинамика, на что указывают значения МАР ниже 65 ммHg, показала строгую связь с ОПП с пороговой точкой 60 ммHg. Привлекает внимание и то, что центральное венозное давление может стать предиктором ОПП при превышении пороговой точки в 10.7 ммHg. 

Выводы: использование новейшей модели машинного обучения (Explainable Boosting Machine) расширило наши представления о факторах риска развития ОПП у пациентов ОИТ за счет более детальных данных, полученных при анализе. Такой подход позволяет усовершенствовать моделирование прогнозов ОПП, эффективно преодолевая ограничения традиционных статистических расчетов.

Подробнее: https://read.qxmd.com/read/38874694/explainable-boosting-machine-approach-identifies-risk-factors-for-acute-renal-failure?uac=382194SG&ecd=wnl_readjnl_240627&sso=true&redirected=slug