文献类型：期刊文章

作　　者：吴秋硕[1] 陆宗庆[2] 刘瑜[1] 许耀华[1] 张金[2] 肖文艳[2] 杨旻[2]

WU Qiushuo;LU Zongqing;LIU Yu;XU Yaohua;ZHANG Jin;XIAO Wenyan;YANG Min(Key Laboratory of Intelligent Computing and Signal Processing,Anhui University,Ministry of Education,Hefei 230601,P.R.China;The 2nd Department of Intensive Care Unit,Laboratory of Cardiopulmonary Resuscitation and Critical Care Medicine,the Second Affiliated Hospital of Anhui Medical University,Hefei 230601,P.R.China)

机构地区：[1]安徽大学计算智能与信号处理教育部重点实验室,合肥230601 [2]安徽医科大学第二附属医院重症医学二科,心肺复苏与危重病实验室,合肥230601

出　　处：《中国循证医学杂志》

基　　金：国家自然科学基金项目(编号:82072134,81601661)。

年　　份：2021

卷　　号：21

期　　号：8

起止页码：942-952

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EMBASE、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：目的系统评价采用机器学习(machine learning,ML)的心脏骤停(cardiac arrest,CA)早期临床预测模型的预测价值。方法计算机检索PubMed、EMbase、WanFang Data和CNKI数据库,搜集关于ML用于CA预测的研究,检索时限均从2015年1月至2021年2月。由2名研究者独立筛选文献、提取资料并评价纳入研究的偏倚风险后,评价不同模型的诊断准确性和比较受试者工作特征曲线下面积(AUC)。结果共纳入38个研究。在数据来源方面,13篇研究数据来源于开源数据库,25篇文章回顾性收集了患者资料,其中直接预测CA的文章有21篇,预测CA相关性心律失常的文章有3篇,预测心源性猝死的文章有9篇。共有51种模型被采用,其中使用频次最高的ML算法为人工神经网络(n=11),其次为随机森林(n=9)和支持向量机(n=5)。使用频次最高的输入特征为心电图参数(n=20),其次为年龄(n=12)和心率变异率(n=10)。共有6个研究比较了ML与其他经典统计学模型的预测价值,且ML模型的AUC值普遍高于经典统计学模型。结论现有证据表明,ML可更准确地预测CA的发生,在特定情况下ML的预测性能优于传统统计学模型。

关 键 词：心脏骤停 心源性猝死 系统评价  机器学习  预测  

分 类 号：TP181] R541.78]