利用机器学习预测院外心脏骤停患者的生存和神经系统结局：SCA

这是一篇关于利用机器学习预测院外心脏骤停患者的生存和神经系统结局：SCA的思维导图，主要内容包括：补充材料，表不如图，字不如表，摘要，题目。

利用机器学习预测院外心脏骤停患者的生存和神经系统结局：SCARS模型

• 题目
  • Predicting survival and neurological outcome in out-of-hospital cardiac arrest using machine learning: the SCARS model
• 摘要
  • 背景/目的
    • 评估院外心脏骤停患者生存和神经功能结局的预测模型具有改善急诊室临床管理的潜力
  • 方法
    • 使用瑞典心肺复苏登记处对2010 - 2020年瑞典所有院外心脏骤停( OHCA )病例进行研究
    • 我们有393个候选预测因子描述了心脏骤停时的情况、关键时间间隔、患者的人口学特征、最初的表现、时空数据、社会经济地位、药物和骤停前的合并症
    • 为了开发、评估和测试一系列预测模型，我们为研究人群创建了分层（根据结果衡量）随机样本
    • 创建了训练集（60% 的数据）、评估集（20% 的数据）和测试集（20% 的数据）
    • 使用多个具有超参数调整的机器学习框架评估了出院时的 30 天生存率和脑功能类别 (CPC) 评分
    • 测试了具有前 1 至 20 个最强预测变量的简约模型
    • 校准了决策阈值来评估生存敏感性 95% 的截止值
    • 最终模型被部署为 Web 应用程序
    • SRCR 中的不平衡现象很明显，因为所有患者中约有 10% 存活下来
    • 通过对死亡人数进行下采样来解决不平衡问题，例如对于一名幸存者，我们包括四名死亡人员，从而减少了类别不平衡
    • 仅训练数据集被人为平衡
  • 结果
    • 纳入了 55,615 例 OHCA 病例
    • 初次就诊、院前干预和关键时间间隔变量是最重要的
    • 此外，校正曲线和DCA结果也相对较好
    • 预测 30 天生存率的测试数据的敏感性为 95%，特异性为 89%，阳性预测值为 52%，阴性预测值为 99%
    • 使用所有 393 个预测变量或仅使用 10 个最重要的预测变量的测试数据中，AUC为 0.97
    • 最终模型显示出出色的校准效果
    • 该网络应用程序允许进行近乎即时的生存计算
  • 结论
    • 使用包含广泛可用变量的机器学习模型，可以在急诊室持续进行心肺复苏期间快速可靠地估计 OHCA 的 30 天生存率和神经系统结果
• 字不如表
  • Table 1
    • 55,615 名院外心脏骤停患者的基线特征
  • Table 2
    • 55,615 名院外心脏骤停患者的结果
• 表不如图
  • Figure 1
    • (a)：相对变量重要性图：按 30 天生存的相对重要性排名的前 50 个预测变量。 N=55615
    • (b)：相对变量重要性图：39 个预测变量类别按 30 天生存的相对重要性排序。 N=55615
  • Figure 2
    • AUC-ROC 具有相应的 95% 置信区间，用于预测 20 个模型的 30 天生存率，包括排名前 1 至排名前 20 的生存预测因子
  • Figure 3
    • 基于 (a) 评估数据和 (b) 测试数据预测 30 天生存率的ROC曲线
  • Figure 4
    • 校准图说明了预测概率和观察到的生存概率（置信区间为 95%）之间的一致性
• 补充材料
  • Table S1
    • 瑞典EMS系统和医院系统的描述
  • Table S2
    • 网格搜索超参数调优
    • 使用 144 个不同超参数组合的网格来调整 XGB 模型
  • Table S3
    • 最终模型中前20个预测因子的缺失(非估算数据)
  • Table S4
    • 55,615例院外心脏骤停患者的基线特征按30天生存率分层
  • Table S5
    • 调整决策阈值(截止)评估数据集
  • Table S6
    • 于测试数据的模型性能
  • Table S7
    • 使用输入数据集的基线数据
      • 插补前
      • 插补后
  • Figure S1
    • 研究流程图
  • Figure S3
    • 训练数据的模型评价及CPC-score测试数据的ROC曲线
    • 图S3显示了模型对训练数据的评价，以及对CPC-score测试数据的性能(roc曲线)
  • Figure S4
    • SCARS-1 web应用程序与3例患者
  • Figure S5
    • ROSC粗率、住院率和30天生存率
  • Supplemental discussion S2
    • 使用的软件描述