编辑推荐：
这篇综述系统评估了用于预测透析中低血压（Intradialytic hypotension）的机器学习（ML）模型。研究发现多数相关研究存在高偏倚风险，模型缺乏充分外部和临床验证。未来应聚焦模型验证，推动其在临床实践中的应用。
背景
透析中低血压与发病率和死亡率增加相关。近年来，人们开发了多种机器学习（ML）算法来预测透析中低血压。本研究旨在系统回顾用于预测透析中低血压的 ML 模型，评估其性能、方法学完整性及临床适用性。
方法
本系统综述遵循预先制定的方案，并在国际系统评价前瞻性注册平台（PROSPERO ID: CRD42022362194）注册。全面检索了 6 个数据库，检索时间从各数据库建库至 2023 年 7 月 20 日。由两名独立研究人员对文章进行审查、数据提取，并使用预测模型偏倚风险评估工具（PROBAST）评估偏倚风险。
结果
在筛选的 84 篇文章中，最终纳入 16 项研究，涉及 14,500 名接受血液透析的成年患者。14 项研究（87.5%）存在高偏倚风险。所调查人群中透析中低血压的患病率在 1.2% - 51% 之间。研究使用了多种预测 ML 工具，其中各类神经网络模型最为常见，出现在 13 项研究中（受试者工作特征曲线下面积，即 AUROC 范围：0.684 - 0.978）。仅有 1 项研究同时进行了内部和外部验证。
结论
研究人员致力于开发预测透析中低血压的 ML 工具，但由于缺乏充分的外部和临床验证，以及模型和研究设置的异质性，将 ML 工具作为全球通用的透析中低血压预防和管理方案面临巨大挑战。未来研究应着重对这些模型进行外部和临床验证，以增加其在临床实践中引发相关变革的可能性。
