采用机器学习技术对第二阶段压力性损伤的预后进行纵向研究，以识别相关因素

《Advances in Skin & Wound Care》：A Longitudinal Investigation of Stage 2 Pressure Injury Outcomes With Machine Learning Technique to Identify Relevant Factors

血清白蛋白|Braden量表评分|血红蛋白|创面大小|血清血尿素氮|体质量指数|血清蛋白|血清肌酐

　　

摘要通俗语言总结

---

目的：

由于多种因素导致的社会成本巨大，压力性损伤（Pressure Injuries, PIs）已成为一个全球性问题。尽管许多因素已被证明会对压力性损伤产生影响，但究竟是什么具体导致了病情的恶化仍不清楚。本研究的目的是利用机器学习方法分析与压力性损伤加重高度相关的变量。

方法：

这项观察性研究分析了2018年5月至2021年6月期间71名二期压力性损伤患者的情况。研究人员根据伤口的进展情况将患者分为两组：（1）A组（病情加重的患者）和（2）B组（伤口愈合的患者）。所有24个因素均使用随机森林（Random Forest）算法进行了分析，其中随机森林采用了超集成（hyperensemble）方法。每个随机森林由50,000棵决策树组成，最终通过对100个随机森林的结果进行超集成来评估各因素的重要性，并通过部分依赖图（partial dependence plots）来解读风险因素。

结果：

A组有14名患者，B组有57名患者。通过机器学习分析发现，血清白蛋白、Braden评分、血红蛋白、伤口大小、血清血尿素氮、体重指数、血清蛋白和血清肌酐等因素与压力性损伤的加重密切相关；而终末期肾病、性别和心肌梗死等因素的相关性较低。

结论：

这种压力性损伤预测模型可作为预防工具广泛使用。此外，这些发现有助于制定策略以降低压力性损伤加重的风险。

通俗语言总结：压力性损伤是一个严重的全球性健康问题，了解其恶化的原因至关重要。本研究利用机器学习分析了71名二期压力性损伤患者的各种相关因素。患者被分为两组：伤口恶化的患者（14名）和伤口愈合的患者（57名）。分析结果显示，血清白蛋白、Braden评分、血红蛋白、伤口大小、血清血尿素氮、体重指数、血清蛋白和血清肌酐等因素与压力性损伤的加重密切相关；而终末期肾病、性别和心肌梗死等因素的相关性较低。这些见解有助于制定预防压力性损伤加重的策略，从而改善患者的治疗效果。

本文本由机器生成，可能存在不准确之处。常见问题解答