社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

3.4/Q1,白蛋白凭什么碾压 SOFA?MIMIC-IV + 机器学习双验证,危重肿瘤 ICU 预后神器

Med-MIMIC • 1 周前 • 52 次点击  

欢迎扫码

关注我们

关注我们

01

引言

ICU 收治肿瘤患者逐年增多,感染、器官衰竭、肿瘤恶液质叠加,短期、长期死亡风险居高不下。SOFA 评分是重症分层金标准,但对肿瘤特殊人群预测短板明显。

一篇 2026 年 JAMIA Open 高分队列研究,依托MIMIC-IV v3.1大样本数据,结合 XGBoost+SHAP 可解释机器学习,外加国内肿瘤中心外部队列验证,实锤:入院血清白蛋白是危重肿瘤患者独立预后标志物,长期死亡预测能力显著优于 SOFA,低成本、易获取,临床分层直接落地。


02

文献解读

标题探讨重症癌症患者血清白蛋白的预后价值:一项利用大型重症监护数据库机器学习的观察性队列研究

发表期刊:JAMIA Open

发表日期:2026年4月

影响因子3.4/Q1


03

研究背景

恶性肿瘤患者因多种原因被送入ICU。然而,血清白蛋白作为预后生物标志物的临床效用尚不明确。


04

研究方法

恶性肿瘤患者通过重症监护医疗信息市场IV(MIMIC-IV,v3.1)筛查。本研究采用Kaplan-Meier曲线、Cox比例风险模型、限制三次样条(RCS)、受试者操作特征(ROC)曲线及亚组分析,评估与全因死亡率相关的血清白蛋白。在死亡风险预测方面,应用了机器学习算法,并使用SHapley加法解释(SHAP)来识别危重癌症患者中最具影响力的预测因子。


05

研究结果

1.基线特征


研究共纳入1739例恶性肿瘤患者,以30 g/L为临界值分为低白蛋白血症组(ALB<30 g/L)与正常白蛋白组(ALB≥30 g/L)。相较于正常组,低白蛋白组男性占比更低,炎症、器官损伤相关指标更差(CRP、SOFA、白细胞、BUN、心率更高,血红蛋白、收缩/舒张压更低),合并肾衰、肝衰竭、脓毒症的比例更高,血管活性药物、呼吸支持使用率更高;同时该组ICU及住院时长更长,院内、14天、28天、90天、1年全因死亡率均显著升高,所有组间对比差异均有统计学意义。

2.血清白蛋白与死亡风险


1739例患者随访各时间点死亡占比分别为:14天20.5%、28天28.3%、90天41.2%、1年57.2%。Kaplan–Meier曲线提示低白蛋白(<30g/L)组各节点全因死亡率均显著更高。多因素Cox回归证实低白蛋白是院内、14/28/90天及1年死亡的独立危险因素,逐步校正混杂因素后相关性仍稳定。

3.利用血清白蛋白预测癌症患者的全因死亡率


通过ROC曲线对比白蛋白与SOFA评分对危重肿瘤患者全因死亡的预测效能:白蛋白14天、28天、90天、1年AUC分别为0.654、0.664、0.676、0.664;短期(14、28天)二者预测能力无明显差异,长期(90天、1年)白蛋白预测效果显著优于SOFA,凸显白蛋白评估患者远期死亡风险的临床优势。

4.亚组分析


分层亚组分析显示,血清白蛋白升高可降低患者14天、28天死亡风险;在年龄、性别、脏器功能、治疗干预等各分层人群中,白蛋白与死亡风险的关联均无交互作用,证明研究结论稳定可靠。

5.机器学习模型预测


采用Boruta算法筛选预测变量,分别筛选出16个、14个特征用于14天、28天死亡预测;结合XGBoost与SHAP分析得出,BUN、血清白蛋白、呼吸频率、心率、SOFA为五大核心预测指标,证实白蛋白对危重肿瘤患者短期死亡具备重要预测作用。


5.敏感性分析


液体轨迹形态、生存差异、T4 保护效应完全不变,证明结论不受肾脏替代治疗干扰,稳健性极佳。

06

文章小结

低白蛋白血症与全因死亡率增加独立相关。ICU住院时测量的血清白蛋白作为识别高风险癌症患者组的预后生物标志物。


END

往期推荐



9.3/Q1,SOFA-2 评分 vs 经典 SOFA:肺炎相关脓毒症预后预测哪家强?复合模型直接拉满预测效能

5.1/Q1,MIMIC-IV 挖掘实战:用 GBTM 识别老年营养不良重症患者液体轨迹,预判 30 天死亡风险

15.1/Q1,结合 MIMIC-IV 多中心验证:深度学习急性肾损伤预测模型,单点性能强≠临床落地好用




Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/198526