《BioMedInformatics》：Incremental Discrimination of a Logistic-Regression Model Using Physiological and Missingness Predictors Beyond Six-Hour Mean Arterial Pressure for Sustained Hypotension: A FHIR-Based Pilot Study
编辑推荐：
**背景**：多变量早期预警模型能够整合生理信号与缺失模式，但增加的复杂性未必能较简单预测因子提供有意义的增益。本研究评估了单一预设的L2正则化Logistic回归模型（使用生理与缺失性预测因子）能否在近期平均动脉压（MAP）基础上改善对持续性低血压的预测。*
**背景**：多变量早期预警模型能够整合生理信号与缺失模式，但增加的复杂性未必能较简单预测因子提供有意义的增益。本研究评估了单一预设的L2正则化Logistic回归模型（使用生理与缺失性预测因子）能否在近期平均动脉压（MAP）基础上改善对持续性低血压的预测。**方法**：本研究为回顾性初步预后模型研究，数据来自MIMIC-IV Clinical Database Demo on FHIR 2.1.0。预测因子取自前12 h，持续性低血压定义为随后6 h内MAP < 65 mmHg持续至少连续2小时。将含8个生理或衍生预测因子和10个缺失相关预测因子的单一预设L2正则化Logistic回归模型与六小时平均MAP进行比较。性能采用患者分组嵌套交叉验证（5个外层折、3个内层折）估计。主要比较为精确率-召回率曲线下面积（AUPRC）差值；晋级要求绝对增益≥0.020。配对不确定性采用1000次患者簇bootstrap重复估计。预设敏感性分析在赋予每位患者相等总权重后重新计算AUPRC，不考虑其所贡献合格窗口数。**结果**：92例患者贡献8970个合格窗口，其中1774个（19.8%）为阳性。候选模型的AUPRC为0.629，对照为0.622；AUROC分别为0.845与0.842。AUPRC差值为+0.0075（95% bootstrap区间，+0.0005至+0.0171）。预设患者等权敏感性分析得到更大的ΔAUPRC点估计值+0.0156；患者等权与窗口加权估计均低于+0.020晋级界值。事后分析显示，81.6%的阳性窗口在t ? 5至t期间观察到MAP低于65 mmHg。在无近期观察性低血压的窗口中，ΔAUPRC为+0.0030（95%区间，?0.0288至+0.0238）。8970个预测窗口为嵌套于92例患者内的重叠重复观测，不应被解释为独立样本。**结论**：在本项初步内部验证研究中，使用8个生理或衍生预测因子和10个缺失相关预测因子的单一预设L2正则化Logistic回归模型较六小时平均MAP产生了小幅判别改善，但未达到预设的模型开发晋级界值。这些发现仅适用于该模型设定、数据集和结局，不能确立多变量生命体征模型的普遍性能。两种策略均未经过临床使用验证。
**研究背景与问题**
低血压是危重症患者血流动力学不稳定的常见且具有临床后果的表现，及时识别高危患者有助于重新评估灌注、治疗需求及潜在可逆的恶化原因。既往研究利用动脉波形、常规记录的生命体征、电子健康记录数据及机器学习方法构建低血压预测模型，报告了从中等到较高的判别性能，但其人群、结局定义、测量频率和验证策略差异很大，限制了直接比较。较高的独立判别性能并不必然证明多变量模型提供了足以证明其复杂性合理性的额外信息。近期平均动脉压（MAP）与由未来MAP定义的结局存在内在关联，可能通过短期生理持续性捕获相当比例的预测信号；Nakanishi等发现仅使用血压相关变量的模型与纳入更广泛生理特征的模型性能相当或更优，且比较证据表明，在适当开展验证时，增加建模复杂性并不一致地改善临床预测性能。因此，多变量候选模型不仅应依据其绝对性能评估，还应评估其相对于透明、临床可解释的基于MAP的对照模型的增量价值。DeepVital被开发为可重复的基于FHIR的研究流程，用于从常规记录的ICU生理观测构建按时间排序的预测队列。本初步研究并非旨在确立临床可用性或外部效度，而是回答一个预设的开发问题：冻结的18预测因子Logistic回归候选模型相对于临床可解释的六小时平均MAP对照模型是否提供了足够大的改善，以值得进入进一步评估。预测因子集、模型设定、对照模型和晋级阈值均在正式增量价值分析（Phase 3）之前固定；六小时平均MAP对照此前经由同一MIMIC-IV演示数据源的内部开发分析选定，故对Phase 3而言为预设，但并非独立于所有既往性能结果而选定；未检视任何Phase 3结果以选择或修改对照、候选模型、预测因子集或晋级标准。研究人员采用患者分组嵌套交叉验证和患者簇bootstrap不确定性估计比较两种策略，预设AUPRC绝对改善至少0.020为模型晋级标准，并假设多变量候选模型将达到或超过该开发相关性界值。
**主要关键技术方法**
本研究为回顾性初步预后模型研究，数据来源为MIMIC-IV Clinical Database Demo on FHIR 2.1.0（100例患者、140个ICU住院，经时间资格筛选后92例患者纳入分析），使用Python 3.12.9、NumPy 2.5.1、scikit-learn 1.9.0和SciPy 1.18.0分析，冻结随机种子20260726。主要方法包括：基于FHIR资源（Patient、Encounter、MimicObservationChartevents）的生理观测提取与小时网格化处理；以小时为预测时间单位、非重叠12 h预测窗口与6 h结局窗口的时序队列构建；患者分组嵌套交叉验证（5外层折、3内层折，预处理与阈值选择仅在外层训练分区内进行）；患者簇bootstrap（1000次重复）配对不确定性估计；以及Platt重校准与预设敏感性分析。
**研究结果**
**研究队列**：12,502个小时级ICU时间点中，1514个因缺乏所需12 h时间史、803个因距ICU住院结束过近无法获得完整6 h未来视野而被排除，余10,185个候选预测时间；其中1215个因六个必需未来小时MAP值至少一个未观测而被排除，无因最小预测因子观测规则被排除。最终分析队列含92例患者、117次住院、125个ICU住院的8970个合格窗口，其中1774个阳性、7196个阴性，窗口水平患病率19.8%。100例源患者中8例未贡献合格窗口（6例无时间合格预测时间，2例共产生7个候选时间均因未来MAP评估不完整被排除）。患者贡献合格窗口中位数44个（IQR 15–105；范围1–650），阳性窗口中位数5个（IQR 0–22；范围0–232）；92例中54例（58.7%）贡献至少一个阳性窗口。重复且常重叠的窗口并非独立患者或独立低血压发作。
**主要判别与配对比较**：冻结的18预测因子Logistic候选模型AUROC为0.845、AUPRC为0.629；预设六小时平均MAP对照AUROC为0.842、AUPRC为0.622，绝对差值分别为+0.0032和+0.0075。配对患者簇bootstrap分析中，AUPRC差值的95%区间为+0.0005至+0.0171，AUROC差值95%区间为?0.0003至+0.0066。预设患者等权敏感性分析中，候选减对照的AUPRC差值为+0.0156，大于主要窗口加权分析的+0.0075，但仍低于+0.020晋级界值；两种加权方案的差异表明估计增量对92例患者间窗口分布不均敏感。候选模型虽在两个判别指标上点估计略高，但AUPRC改善未达预设+0.020晋级界值，观察增益约为所需改善的38%，bootstrap区间上限亦低于晋级界值，故候选未满足冻结晋级标准，未进入确证性评估。
**阈值依赖性能**：在各自仅用内部开发预测选定的折特异阈值下，多变量候选模型敏感度0.761、特异度0.776、阳性预测值0.456、阴性预测值0.929、F1评分0.570；六小时平均MAP对照敏感度0.725、特异度0.805、阳性预测值0.478、阴性预测值0.922、F1评分0.576。候选模型更敏感但特异度较低，阴性预测值略高，而对照阳性预测值和F1评分更高。汇总外层折外预测中，候选模型真阳性1350、假阴性424、真阴性5584、假阳性1612；对照真阳性1287、假阴性487、真阴性5790、假阳性1406。在预设次要敏感度目标操作点（阈值为各外层开发周期内仅用内部折外预测选定后应用于对应外层折），18预测因子Logistic模型敏感度0.805、特异度0.730、阳性预测值0.423、阴性预测值0.938、F1评分0.555（TP 1428、FP 1945、TN 5251、FN 346）；六小时平均MAP对照敏感度0.802、特异度0.703、阳性预测值0.400、阴性预测值0.935、F1评分0.533（TP 1422、FP 2136、TN 5060、FN 352）。由于阈值在内部折内选定，各独立外层折敏感度未受约束严格等于0.80。
**事后近期低血压敏感性分析**：1774个阳性窗口中，879个（49.5%）在预测时观察到MAP低于65 mmHg，1448个（81.6%）在t ? 5至t期间至少一次观察到MAP低于65 mmHg。限制于无近期观察性低血压窗口的分析纳入83例患者的5213个窗口，其中326个阳性（6.25%）；候选与对照AUPRC分别为0.1438和0.1408，ΔAUPRC为+0.0030（95%患者簇bootstrap区间，?0.0288至+0.0238），AUROC分别为0.702和0.704（差值?0.0012；95%区间，?0.0139至+0.0113）。在更严格的近期完全正常血压队列（83例患者、4756个窗口、302个阳性窗口）中，候选减对照ΔAUPRC为+0.0007（95%区间，?0.0317至+0.0195）。
**事后拟合单预测因子比较**：在相同患者分组嵌套流程下，拟合的六小时平均MAP Logistic模型汇总原始AUPRC为0.619，拟合的当前MAP Logistic模型为0.566，18预测因子候选为0.629。候选减拟合六小时MAP差值为+0.0108（95%患者簇bootstrap区间，+0.0028至+0.0206），候选减拟合当前MAP差值为+0.0635（95%区间，+0.0380至+0.0859）。拟合六小时MAP模型AUPRC较原始固定MAP评分低0.0033（拟合减固定95%区间，?0.0068至+0.0011）。与拟合六小时平均MAP比较时，AUPRC改善点估计（+0.0108）低于预设+0.020晋级界值，但95%患者簇bootstrap区间（+0.0028至+0.0206）略高于该界值，故该事后分析既未确立达到该界值的改善，亦未排除之，且未改变基于预设固定六小时平均MAP对照的原始晋级决定。五个外层折候选原始AUPRC范围0.474至0.737，拟合六小时平均MAP为0.461至0.721，拟合当前MAP为0.444至0.645。这些比较系主要结果获得后所要求，故按事后内部开发分析解读。
**内部重校准后性能**：交叉拟合Platt重校准后，Logistic候选AUROC为0.843、AUPRC为0.626、Brier评分0.111、对数损失0.362。重校准前汇总校准截距为?1.40、校准斜率为1.03，可靠性曲线提示系统性过预测；折特异Platt重校准后相应值约0.00和1.00。接近目标的重校准后参数与Platt缩放对全局校准的预期校一致，但不表明局部校准完美或在独立人群中校准良好；分箱水平偏差仍存在，且这些描述性估计基于92例患者的8970个重叠预测窗口。Platt重校准使候选汇总AUPRC由0.629降至0.626，拟合六小时平均MAP由0.619降至0.615，拟合当前MAP由0.566降至0.563；然而在每个单独外层折内AUPRC在重校准后不变，此模式与折内排序保持、但分别重校准的分数汇总时不同折预测相对顺序改变相一致。
**晋级决定**：在冻结决策规则下，晋级要求AUPRC较六小时平均MAP对照绝对改善至少+0.020。观察改善为+0.0075，故多变量候选未晋级，六小时平均MAP被保留为后续开发的简约参考策略。本研究未对任一策略进行临床实施评估。
**对照可用性与完整病例分析**：92例患者的全部8970个合格窗口在t ? 5至t期间均含至少一个可计算的已处理MAP值，故无窗口或患者使用预设回退评分0.5；对照完整病例分析纳入相同8970个窗口，结果与主要分析一致（候选AUPRC 0.629 vs 对照0.622，差值+0.0075，95%患者簇bootstrap区间+0.0005至+0.0171；AUROC分别为0.845和0.842，差值+0.0032，95%区间?0.0003至+0.0066）。
**讨论与结论**
讨论部分指出，在本项使用FHIR表示的演示数据的初步内部验证研究中，纳入18个生理及缺失相关预测因子的冻结Logistic模型较六小时平均MAP对照仅产生小幅改善，AUPRC由0.622升至0.629、AUROC由0.842升至0.845，但+0.0075的绝对改善未达预设+0.020晋级界值，候选未满足冻结晋级标准，六小时平均MAP被保留为后续开发的简约参考策略。观察差异提示该候选在本样本中包含六小时平均MAP之上的一些额外判别信息，但该发现仅特异性适用于所评估的含生理与缺失相关预测因子的L2正则化Logistic回归模型，不能确立其他多变量模型缺乏预测价值、两种策略临床等价或观察差异临床不重要；晋级界值为开发决策规则而非经临床获益验证的阈值。近期MAP在时间与生理上接近由未来MAP定义的结局，且候选模型本身含六小时平均MAP，故原始比较合并了两种差异：其余预测因子的加入，以及以拟合多变量模型替代固定单调MAP评分；事后拟合对照分析通过对六小时平均MAP单独施加相同嵌套建模流程减少了这一不对称性，相对该拟合MAP-only模型，18预测因子候选使AUPRC增加0.0108，提供了其余预测因子及其与MAP联合建模所增加判别的更直接估计，但该分析为事后分析且外层折估计变异较大，其点估计（+0.0108）仍低于预设+0.020界值而95%区间（+0.0028至+0.0206）略高于界值，故既未确立达到该界值的改善亦未排除之，且不改变基于预设固定MAP对照的原始晋级决定，亦不确立来自额外预测因子的稳定可泛化获益。由于预测时已存在低血压的患者仍具资格，对照性能可能部分反映既有血流动力学状态的持续或复发，比较不能仅解释为预测新发低血压；事后敏感性分析支持此担忧：多数阳性窗口（81.6%）在预测时或此前六小时内有观察性低血压，排除有近期观察性低血压的窗口后判别减弱且多变量候选相对六小时平均MAP无明显增量优势（ΔAUPRC +0.0030，区间跨越潜在获益与危害），提示持续或复发对主要分析观察到的性能有实质贡献；但因AUPRC依赖患病率且该亚组分析为事后分析，主要与限制性估计间差异不应解释为预测信号的因果分解。既往研究使用更广泛生理特征集、随机森林、集成方法等评估低血压预测，其报告的性能估计因人群、结局定义、预测视野、测量频率、预测因子可得性和验证程序不同而不能与本研究直接比较，头对头比较需在同一队列中以相同结局定义、预测时间和患者分组验证程序实施并评估替代模型；本研究因此仅回答相对于预设基于MAP参考的增量判别这一较窄问题，不确立相对于既往已发表低血压预测模型的优效或劣效。在各自内部选定阈值下，候选模型较对照更敏感但特异度较低，对照阳性预测值和F1评分更高而候选阴性预测值略高；因使用不同阈值，这些结果不能确立任一权衡在临床实践中更可取，此类判定需预设警报阈值、评估警报负担并对假阳性和假阴性警报后果进行决策分析评估。AUPRC差值的患者簇bootstrap区间在本内部分析中排除零，但仅基于92个患者簇，不能确立小幅改善在不同队列或验证分区中保持稳定；患者等权敏感性估计（+0.0156）大于主要窗口加权估计（+0.0075），表明增量幅度取决于窗口数不等患者的加权方式，两者均未达+0.020晋级界值，故结果应解释为不精确的探索性内部验证发现而非稳定或可泛化性能差异的证据。研究优势包括冻结预测因子集、对照、结局定义和晋级规则，患者分组嵌套交叉验证，患者水平配对不确定性估计，以及在可重复、版本控制的分析流程内实施。局限性包括：8970个小时级预测窗口仅源自MIMIC-IV演示数据集的92例患者，相邻窗口常共享预测因子和结局测量并可能代表同一低血压发作，窗口数远超可用于模型开发与评价的独立信息量；患者分组交叉验证和患者簇bootstrap重采样处理了患者内依赖的重要方面，但未克服有限患者样本或消除过拟合可能；贡献较多合格窗口的患者对汇总窗口水平性能影响更大，候选减对照AUPRC差值由窗口加权下+0.0075变为患者等权下+0.0156即为明证，两者虽均低于+0.020界值但幅度对加权方案敏感；该小幅AUPRC差异应视为探索性内部验证发现，其在其他患者样本中的稳定性仍不确定，分析评价窗口水平而非独立临床发作的预测。结局要求全部六个未来小时区间均观察到MAP，可能优先选择监测更密集的时段；终点不要求新发低血压，持续或复发低血压患者可贡献多个阳性窗口；事后分析中81.6%阳性窗口在t ? 5至t期间至少一次MAP低于65 mmHg，限制于无近期观察性低血压窗口后仅余83例患者326个阳性窗口且候选减对照AUPRC差值小而不精确（+0.0030；95%区间，?0.0288至+0.0238），该分析虽更接近无近期观察性低血压窗口中的预测但非预设、仍基于重叠窗口且阳性窗口显著较少，故不构成新发低血压预测的独立验证。有创与无创血压测量在无临床验证的优先级规则下合并，尽管有证据表明这些方法在危重症患者中可显示相关分歧；预测因子亦未全面捕获时变干预如血管升压药、静脉液体、镇静或机械通气，这些均可能影响后续MAP。交叉拟合重校准产生接近标称目标的截距和斜率，但这些估计仅描述内部重校准后性能；接近目标的全局校准参数不能排除分箱水平校准不良（如可靠性曲线所示），且鉴于92例患者的有限样本其稳定性仍不确定。未进行外部、时间、地理或前瞻性验证，研究未评估亚组性能、发作水平性能、警报负担、临床净获益、工作流程整合或对患者结局的影响；因候选未达晋级标准，未拟合最终可部署模型，本研究评价的是建模策略而非临床预测工具。对照与候选设定受Phase 3所用同一MIMIC-IV演示数据源的早期分析影响，故冻结Phase 3程序防止了依据正式Phase 3结果进行修改，但未使Phase 3成为此前开发决策的独立验证；患者分组外层折防止了模型开发与评价折间的同患者直接污染，但不能替代新队列中的评价。尽管预设回退评分0.5对应低血压阈值而非临床中性风险，该规则在本队列中无实际影响，因每个合格窗口的六小时平均MAP均可计算。未来评价应使用独立、前瞻性组建的ICU队列，聚焦预测时非低血压患者中的新发低血压发作，区分有创与无创测量，纳入治疗及其他时变干预，并评估发作水平性能、校准、亚组性能、警报负担和临床净获益。
**结论译文**：在这项纳入92例患者的初步内部验证研究中，使用8个生理或衍生预测因子和10个缺失相关预测因子的单一预设L2正则化Logistic回归模型较六小时平均MAP提供了小幅判别改善，但未达到预设AUPRC晋级界值。该结果仅适用于该模型设定、数据集和结局（包括持续性或复发性低血压），不能确立其他模型设定的增量价值，也不能确立所评估策略间的临床等价性。两种策略均未经过临床使用验证，需在更大型独立队列中评估，包括对新发低血压的评估。
