AKI的诊断是基于RIFIE标准(但是目前流行的是KDIGO标准:与 RIFLE 标准相比,KDIGO 诊断标准敏感度更高,对短期预后的预测性能更佳,更能准确预测住院死亡率),导致的后果就是可能出现漏诊。
评价:
适合简单的初步数据处理和建模,但是模型和操作过于简单,很明显不符合Python的求解。
1.标题
基于 MIMIC-III 数据库的重症患者 AKI 预警系统的建立
2.研究终点
患者出院,而且出院的时候诊断为急性肾衰竭
3.ICD-9(国际疾病分类)
根据ICD-9代码筛选MIMIC-III数据中在ICU住院且出院诊断为AKI的患者——然后,导出患者的病例资料和实验室检查指标——最后依旧排除标准进行剔除——导出数据,进行分析
4.试验流程图
5.对获取的4554例AKI患者进行统计学分析
人口特征(年龄、人种、心率、血压、肌酐峰值)
合并症(充血性心力衰竭、心律失常、心脏瓣膜病、高血压、慢性肺疾病、糖尿病、肝脏疾病、淋巴瘤、转移癌、良性或恶性实体瘤)
- 脓毒症及脓毒性休克、心力衰竭、心脏瓣膜病、心搏骤停、创伤、贫血、感染等可导致肾前性 AKI;感染、肾毒性药物(万古霉素、阿米卡星、阿司匹林等)、过量药物、外源性毒物、横纹肌溶解等可导致肾性 AKI;泌尿系统肿
瘤、泌尿系结石等可导致肾后性 AKI。
6.AKI死亡危险因素的单因素logistic分析<