心力衰竭危重患者静脉血栓栓塞症的风险预测：基于机器学习的模型开发与外部验证

《Scientific Reports》：Interpretable prediction of in-hospital venous thromboembolism in critically ill patients with heart failure receiving early thromboprophylaxis

　　

摘要

在接受早期血栓预防治疗的心力衰竭危重患者中，静脉血栓栓塞症（VTE）仍是一个令人担忧的问题，然而该人群中个体化风险分层仍有限。我们利用来自MIMIC-IV的8,825名患者开发了九个预测模型，并在5,425例eICU记录中进行了外部验证。通过结合最小绝对收缩和选择算子（LASSO）回归与Boruta特征选择，确定了十五个预测因子。XGBoost实现了最高的观测区分度，内部ROC AUC为0.764（95% CI，0.723–0.805），外部为0.731（95% CI，0.676–0.786）。SHAP分析确定房性心动过速/心房颤动、呼吸衰竭、既往血栓栓塞、抗血小板治疗和24小时内机械通气是模型预测的主要贡献因素。外部验证强调了重新校准的价值，探索性五折交叉拟合截距重新校准提高了整体校准和预测准确性。决策曲线分析表明，在重新校准后，选定的低风险阈值可能具有净获益。这些发现证明了基于常规可用临床数据的可解释预测模型的可行性，并有可能整合到ICU工作流程中，以支持个体化VTE风险分层和针对性监测。