院外心停止患者の生存と神経学的転帰を評価する予測モデルは、救急部門の臨床管理を改善する可能性がある

スウェーデン CPR レジストリを使用した、2010 年から 2020 年までのスウェーデンにおけるすべての院外心停止 (OHCA) 症例の調査

心停止時の状況、臨界時間間隔、患者の人口統計、初期症状、時空間データ、社会経済的状態、投薬、および逮捕前の併存疾患を記述する 393 の予測変数の候補がありました。

さまざまな予測モデルを開発、評価、テストするために、研究対象母集団の層別 (結果測定) ランダム サンプルを作成しました。

トレーニング セット (データの 60%)、評価セット (データの 20%)、およびテスト セット (データの 20%) を作成しました。

ハイパーパラメーター調整を備えた複数の機械学習フレームワークを使用して、30 日生存率と退院時の脳パフォーマンスカテゴリー (CPC) スコアを評価しました。

上位 1 から 20 までの最も強力な予測変数を備えた節約モデルがテストされました

判定閾値は、95% カットオフで生存感度を評価するために調整されました。

最終モデルは Web アプリケーションとしてデプロイされます

全患者の約 10% が生存していることから、SRCR の不均衡は明らかです。

この不均衡は、死亡数をダウンサンプリングすることで解決されます。たとえば、生存者 1 人の場合は 4 人の死亡が含まれ、クラスの不均衡が軽減されます。

トレーニング データセットのみが人為的にバランスがとられています

55,615 件の OHCA ケースが含まれる

初期症状、病院前の介入、臨界時間間隔の変数が最も重要でした

さらに、検量線と DCA の結果も比較的良好です

30 日生存を予測するための検査データの感度は 95%、特異度は 89%、陽性的中率は 52%、陰性的中率は 99% でした。

393 個の予測子すべて、または最も重要な 10 個の予測子のみを使用したテスト データの AUC 0.97

最終モデルは優れたキャリブレーションを示しています

この Web アプリでは、ほぼ瞬時の生存計算が可能です

救急部門で進行中の心肺蘇生中の OHCA の 30 日生存率と神経学的転帰は、利用可能な広範囲の変数を組み込んだ機械学習モデルを使用して、迅速かつ確実に推定できます。

院外心停止患者 55,615 人のベースライン特性

院外心停止患者55,615人の転帰

(a): 相対変数重要度プロット: 30 日生存率の相対重要度によってランク付けされた上位 50 個の予測変数。 N=55615

(b): 相対変数重要度プロット: 30 日間生存率の相対重要度の順に並べられた 39 個の予測変数カテゴリー。 N=55615

上位 1 から上位 20 の生存予測因子を含む 20 モデルの 30 日生存を予測するための、対応する 95% 信頼区間を備えた AUC-ROC

(a) 評価データと (b) 試験データに基づいて 30 日生存を予測する ROC 曲線

予測生存確率と観測生存確率の一致を 95% 信頼区間で示す校正プロット

スウェーデンのEMSシステムと病院システムの説明

グリッド検索のハイパーパラメータ調整

144 の異なるハイパーパラメータの組み合わせのグリッドを使用した XGB モデルの調整

最終モデルで上位 20 個の予測変数が欠落している (非代入データ)

院外心停止患者 55,615 人のベースライン特性を 30 日生存率で層別化

決定しきい値 (カットオフ) を調整してデータセットを評価する

テストデータのモデルパフォーマンス

入力データセットのベースライン データを使用する

研究フロー図

トレーニングデータのモデル評価とCPCスコアテストデータのROC曲線

図 S3 は、トレーニング データでのモデルの評価と、CPC スコア テスト データ (roc 曲線) でのパフォーマンスを示しています。

3 人の患者を含む SCARS-1 Web アプリケーション

粗ROSC率、入院率、30日生存率

使用したソフトウェアの説明