基于24小时界标预测糖尿病神经病变重症监护患者院内死亡的时间临床特征：一项MIMIC-IV研究

《Informatics in Medicine Unlocked》：Temporal clinical features for 24-hour landmark prediction of in-hospital mortality in ICU patients with diabetic neuropathy: A MIMIC-IV study

　　

摘要 背景：糖尿病神经病变是糖尿病最常见的慢性并发症之一，涵盖与长期代谢及血管损伤相关的一组异质性周围神经和自主神经疾病。其临床后果远超神经病理性疼痛和感觉丧失，进行性神经病变可导致活动能力受损、足部溃疡、反复感染及下肢并发症，增加长期发病率和医疗资源使用。人群研究已证实糖尿病神经病变与全因及糖尿病相关死亡风险增加相关。在需要重症监护的患者中，糖尿病神经病变可能识别出慢性疾病负担与急性生理恶化共同影响短期风险的临床复杂亚组。然而，此类患者的死亡风险难以仅凭糖尿病神经病变诊断本身充分捕获。常规重症监护风险评估通常依赖严重程度评分和早期生理测量，但单一测量或汇总评分无法完整描述危重症最初数小时内发生的变化。电子健康记录数据可通过重复测量值、日内变异性、测量次数及早期与晚期观察值之间的变化来表征这些模式。界标分析为定义预测时间与队列资格、预测因子收集及结局评估之间的一致性提供了实用框架。既往糖尿病神经病变死亡预测模型存在若干局限性，包括队列资格与预测时间对齐不完整、开发决策与最终评估分离不足、精度依赖指标的置信区间报告稀疏，以及与既定严重程度评分比较有限。 方法：本研究为回顾性预后建模研究，使用MIMIC-IV 3.1版数据库。预测任务定义为重症监护入院后24小时固定界标。临床信息从重症监护入院至该界标期间记录，用于估计24小时后仍存活并住院患者的后续院内死亡风险。采用固定开发集与锁定测试集设计，所有特征预处理、特征选择、超参数优化、校准及操作阈值选择均在开发数据内完成，锁定测试集仅用于最终性能评估。候选预测因子包括人口学特征、合并症指标、疾病严重程度评分、格拉斯哥昏迷评分、生命体征、实验室测量、早期重症监护干预及衍生炎症指标。重复临床测量采用常规汇总和时间描述符表示。评估三种预测算法：逻辑回归、随机森林和XGBoost。使用自助法估计95%置信区间，采用DeLong检验和配对自助法比较AUROC差异，并进行决策曲线分析和多项敏感性分析。 结果：最终界标队列纳入1347例患者，其中83例（6.16%）在界标后院内死亡。随机森林AUROC为0.851。三种算法之间差异无统计学显著性。时间特征增益为探索性发现且无统计学显著性。嵌套特征表示分析显示，在严重程度评分和非时间性首日汇总基础上增加时间信息未显著改善判别性能。 结论：本研究在MIMIC-IV中采用24小时界标设计，将资格、首日预测因子和界标后院内死亡对齐。锁定开发/测试工作流程在预处理、特征选择、调优、校准和阈值选择过程中不访问锁定测试结局。随机森林AUROC为0.851，模型间差异无统计学显著性。时间特征增益为探索性且无统计学显著性。残余局限性包括缺乏可迁移的外部验证。

研究背景与问题

糖尿病神经病变是糖尿病最常见的慢性并发症之一，涵盖与长期代谢及血管损伤相关的一组异质性周围神经和自主神经疾病。其临床后果远超神经病理性疼痛和感觉丧失，进行性神经病变可导致活动能力受损、足部溃疡、反复感染及下肢并发症，增加长期发病率和医疗资源使用。人群研究已证实糖尿病神经病变与全因及糖尿病相关死亡风险增加相关。在需要重症监护的患者中，糖尿病神经病变可能识别出慢性疾病负担与急性生理恶化共同影响短期风险的临床复杂亚组。

然而，此类患者的死亡风险难以仅凭糖尿病神经病变诊断本身充分捕获。常规重症监护风险评估通常依赖严重程度评分和早期生理测量，但单一测量或汇总评分无法完整描述危重症最初数小时内发生的变化。例如，异常肌酐、血压、葡萄糖浓度或凝血测量的预后意义可能取决于其是否改善、恶化或持续异常。电子健康记录数据可通过重复测量值、日内变异性、测量次数及早期与晚期观察值之间的变化来表征这些模式。既往研究已表明，重症监护时间序列数据可支持动态风险预测。界标分析为定义预测时间与队列资格、预测因子收集及结局评估之间的一致性提供了实用框架。既往糖尿病神经病变死亡预测模型存在若干局限性，包括队列资格与预测时间对齐不完整、开发决策与最终评估分离不足、精度依赖指标的置信区间报告稀疏，以及与既定严重程度评分比较有限。Huang等人虽证明了该人群机器学习死亡预测的可行性，但未采用固定24小时界标设计、锁定测试集或时间与非时间表示的嵌套比较。本研究旨在MIMIC-IV中填补这些方法学空白。

研究内容与结论

研究人员在MIMIC-IV 3.1版中开展回顾性预后建模研究。预测任务定义为重症监护入院后24小时固定界标，临床信息从入院至该界标期间记录，用于估计24小时后仍存活并住院患者的后续院内死亡风险。最终界标队列纳入1347例患者，其中83例（6.16%）在界标后院内死亡。随机森林AUROC为0.851，三种算法间差异无统计学显著性。时间特征增益为探索性发现且无统计学显著性。嵌套特征表示分析显示，在严重程度评分和非时间性首日汇总基础上增加时间信息未显著改善判别性能。该研究的意义在于建立了严格的24小时界标预测框架，明确了时间特征在该人群中的增量价值有限，为后续研究提供了方法学参考。

关键技术方法

研究人员采用的主要技术方法包括：基于MIMIC-IV数据库的24小时界标队列构建，将资格、首日预测因子和界标后院内死亡对齐；锁定开发/测试工作流程，所有预处理、特征选择、调优、校准和阈值选择均在开发数据内完成；时间特征构建，包括首次和末次观测值、均值、最小值、最大值、标准差、测量次数及首末变化；三种预测算法（逻辑回归、随机森林、XGBoost）的评估；自助法置信区间估计；DeLong检验和配对自助法比较；决策曲线分析；多项敏感性分析。

研究结果

研究队列。 8992例患者具有至少一个符合条件的糖尿病神经病变诊断编码，限制至首次住院首次重症监护后余1876例。36例在24小时界标前出院或死亡被排除，493例因6小时内缺乏同次抽取血红蛋白、白细胞计数和血小板计数被排除。最终界标队列1347例，83例（6.16%）界标后院内死亡。非幸存者年龄更大，肾脏疾病和总体合并症负担更高，APS III和LODS差异最显著。非幸存者首日RDW、肌酐和BUN值更高，更可能接受有创通气和肾脏替代治疗。

锁定测试性能。 随机森林AUROC为0.851。三种算法之间差异无统计学显著性。PR-AUC、Brier评分和校准指标在三种算法间总体相似。在模型特异性操作阈值下，敏感性、特异性、PPV、NPV和F1评分的置信区间较宽，反映了测试集中事件数较少。

嵌套和时间特征分析。 严重程度仅表示（APS III和LODS）的AUROC为0.813，严重程度加静态表示（5个预测因子）为0.830，完整嵌套表示（16个预测因子）为0.840。增加时间特征的AUROC增量无统计学显著性。水平特征和动态描述符的单独评估均未显示显著增量。

严重程度评分基准。 APS III、SAPS II、LODS和OASIS单独作为逻辑回归基准的AUROC分别为0.813、0.799、0.795和0.781。APS III和LODS联合模型AUROC为0.813。14特征模型与严重程度评分基准的差异未进行正式优越性检验。

敏感性分析。 排除钙测量计数特征、加入早期干预指标、Youden阈值、索引入院表型冻结预测和嵌套交叉验证均未实质性改变主要结论。

讨论与结论

讨论部分指出，该研究在MIMIC-IV中建立了24小时界标队列，将资格、首日预测因子和界标后院内死亡对齐，并采用锁定开发/测试工作流程。随机森林AUROC为0.851，模型间差异无统计学显著性。时间特征增益为探索性且无统计学显著性。与既往研究相比，该研究在方法学上更严格，但残余局限性包括缺乏可迁移的外部验证、ICD编码表型可能低估神经病变、同次抽取血常规要求可能富集监测更密集的患者。研究结论为：24小时界标设计可有效对齐预测时间与结局评估；机器学习模型在该人群中达到良好判别性能；时间特征的增量价值有限，需在更大样本和外部队列中进一步验证。