基于贝叶斯网络的创伤输血需求预测模型开发与验证

《Critical Care》：Development and evaluation of a blood transfusion prediction algorithm tailored for precision and utility in civilian and military trauma patients

　　

摘要

背景

创伤情况下关于输血决策的早期判断具有时间紧迫性，并且是在高度不确定的情况下作出的。现有的预测模型通常使用固定阈值对患者进行分类，且不能估计输血量或输血时间。这限制了它们在实时临床决策和资源规划中的实用性。

方法

我们开发并验证了一个贝叶斯网络模型，该模型结合了领域知识和临床数据，利用创伤后早期可获得的损伤和生理变量来预测创伤输血需求。该模型可估计多个时间段（2小时、6小时、12小时和24小时）内的输血量。我们使用前瞻性平民队列和军事创伤登记数据（n = 2361）开发了该模型，并通过内部交叉验证和外部验证在独立数据集（n = 13,347）中进行了评估。

结果

该模型在各时间段内针对二分类结局的AUROC值为0.82–0.94。对于有序输血量预测，0–12小时预测的等级概率评分为0.07，12–24小时预测的等级概率评分为0.04。在基于情景的评估中，225项专家评估中有213项（95%）与模型预测一致。

结论

尽管基于二分类阈值的预测模型表现良好，但其对临床决策的影响可能有限。一种使用早期可获得的临床数据、按输血量和时间估计输血需求的决策支持方法，可能在创伤护理中提供更具临床实用性的决策支持。