主要观点总结
文章介绍了利用机器学习开发预测危重儿童急性肾损伤（AKI）的可解释模型的研究。该模型基于电子病历系统中的临床数据构建，并在内部和外部验证中表现出良好的预测能力。研究还探讨了模型的特征重要性排名和预后意义。
关键观点总结
关键观点1: 研究背景
急性肾损伤是儿科重症病童中常见且严重的器官功能损伤，尽早识别和预测至关重要。然而，目前可用的诊断指标存在敏感性和特异性不足的问题，研究的异质性也制约了生物学标记物在临床实践中的应用。
关键观点2: 数据集和研究方法
研究团队使用了四家独立儿科重症监护病房的957名儿童的病例数据来构建数据集，并按照7:3的比例划分为训练集和内部验证集，外部验证集则由另外入住的866名儿童组成。研究团队使用了多种机器学习算法来构建预测模型，并使用多个评价指标来评估模型性能。
关键观点3: 研究结果与结论
研究结果显示，随机森林（RF）模型在预测危重病儿童AKI方面表现最佳（AUC = 0.940）。此外，研究还采用了SHapley加法解释方法来解释模型的输出，提供了特征水平上的全局解释和个体水平上的局部解释。最后，根据模型和KDIGO标准的组合，对不同亚组的临床结果进行了评估，发现某些亚组的儿童疾病严重程度较高，死亡率和并发症发生率也较高。
关键观点4: 研究意义
该研究成功开发了一个可解释的机器学习模型来预测危重儿童的AKI，该模型基于电子病历系统中易于提取的临床数据。这一模型有助于早期识别AKI高风险儿童，为临床医生提供决策支持，以改善疾病管理和患者预后。
文章预览
深度学习辣汤小组文献阅读学习之一百七十一篇 2024/7/27 DeepLearning 深度学习辣汤小组 危重儿童急性肾损伤可解释预测模型的识别和验证:一项前瞻性多中心队列研究 Abstract 2024年，来自苏州大学附属儿童医院肾内科及免疫科的Hu Junlong等人基于机器学习方法建立和验证一种可解释的急性肾损伤预测模型，并评估其在入住儿科重症监护病房的儿童中的预后意义。并在Eclinicalmedicine期刊（IF：15.1 医学1区）上发表题为“Identification and validation of an explainable prediction model of acute kidney injury with prognostic implications in critically ill children: a prospective multicenter cohort study”的文章。 DOI https://doi.org/10.1016/j.eclinm.2023.102409 左右滑动查看文章 一、研究背景 急性肾损伤（Acute kidney injury，AKI）是儿科重症病童中常见且严重的器官功能损伤之一。尽早辨识与预测AKI至关重要。然
………………………………
