多模态数据融合+动态机器学习构建ICU患者MDRO感染早期预警模型的研究.pdfVIP

海南医科大学学报2025，31（6）

JournalofHainanMedicalUniversity421

DOI：10.13210/ki.jhmu.001

网络出版地址：https：//link./urlid/46.1049.R.1618.002

多模态数据融合+动态机器学习构建ICU患者MDRO感染早期预警模

型的研究

左蝶1，赵佳1，龙晓艳2，马学先3，刘冰3，王小燕3，李萍3，4

（1.新疆医科大学护理学院，新疆乌鲁木齐830091；2.中南大学湘雅医院，湖南长沙410028；3.新疆医科大学第二附属医院，

新疆乌鲁木齐830063；4.新疆区域人群疾病与健康照护研究中心，新疆乌鲁木齐830063）

［摘要］目的：多模态数据融合+动态机器学习构建ICU患者多重耐药菌（multi-drugresistantorganism，

MDRO）感染风险预测模型，优选出最优预测模型为医院MDRO感染提供有效的评估工具。方法：选取某

三甲医院ICU2018年1月1日~2023年8月30日的1200名患者，按照8∶2的比例随机分为训练集（n=960）

和测试集（n=240），基于单因素分析将P0.05的变量作为构建模型的纳入因素，运用随机森林（RF）、极度

梯度提升（XGBoost）、决策树中的分类与回归树（classificationandregressiontrees，CART）和logistic回归分

别建立ICU患者MDRO感染风险预测模型，通过准确率、灵敏度、特异度、阳性预测值、阴性预测值、Kappa

值、AUC值、决策曲线和校准曲线对4种模型的预测性能进行比较。结果：RF模型在训练集和测试集中表

现最佳，其准确率、灵敏度、特异度、阳性预测值、阴性预测值及Kappa值均高于其他模型。AUC值从大到小

顺序排列，训练集：RFXGBoostCRATlogistic回归；测试集：RFCRATlogistic回归XGBoost。

本研究结果显示肺部感染、脑血管疾病、低蛋白血症及侵入性操作为4种模型的高风险预测因子是MDRO

感染筛查及进行临床干预的重要理论依据。结论：基于RF算法建立的风险预测模型对ICU患者MDRO感

染风险的预测性能优于其他三个机器算法构建的模型。

［关键词］ICU患者；MDRO感染风险；机器学习；预测模型

［中图分类号］R197.323［文献标志码］A［文章编号］2097-5953（2025）06-0421-12

StudyonearlywarningmodelofMDROinfectioninICUpatientsbasedonmultimodaldata

fusionanddynamicmachinelearning

1123333，4

ZUODie，ZHAOJia，LONGXiaoyan，MAXuexian，LIUBing，WANGXiaoyan，LIPing

（1.SchoolofNursing，XinjiangMedicalUniversity，Urumqi830091，China；2.XiangyaHospitalofCentralSouthUniversity，Changsha

410028，China；3.TheSecondAffiliatedHospitalofXinjiangMedicalUn