IF=9.3！MIMIC-IV数据库发文，手到擒来！| MIMIC-IV数据库周报（6.5~6.11）

重症医学数据库（MIMIC）是由计算生理学实验室开发的公开数据集，其中包括与数千个重症监护病房入院相关的去识别化健康数据，致力于推动临床信息学、流行病学和机器学习的研究。

MIMIC数据库于2003年在美国国立卫生研究院的资助下，由美国麻省理工学院计算生理学实验室、美国哈佛医学院贝斯以色列女执事医疗中心(Beth Israel Deaconess Medical Center，BIDMC)和飞利浦医疗公司共同建立。

MIMIC 数据库目前已经产生了MIMIC Ⅱ、Ⅲ、Ⅳ三个版本，包含了BIDMC所有内外科ICU患者的数据。MIMIC Ⅲ数据库收集了BIDMC 2001年6月至2012年10月ICU收治的53423例成年患者数据和2001年至2008年收治的7870例新生儿重症患者数据。MIMIC Ⅳ数据库在MIMIC Ⅲ的基础上做了一些改进，包括数据更新和部分表格重构，收集了2008至2019年BIDMC收治的超过19万名患者、45万次住院记录的临床数据。

数据库收集了三类数据：临床数据，从ICU信息系统和医院档案中汇总;高分辨率生理数据，从床边监护仪获得;死亡数据，来自社会保障局死亡档案。

2024.6.5-2024.6.11PubMed数据库“标题/摘要：MIMIC-IV OR MIMIC-III”搜索发现，共发表7篇MIMIC-IV论文。其中1篇一区、1篇二区。

中国学者文章

1.中国学者文章介绍（一）

文章题目：手术重症监护患者TyG指数与预后的关系:来自MIMIC-IV的数据。

研究背景：胰岛素-葡萄糖（TyG）指数是一种评估胰岛素抵抗的工具，其预测心血管和代谢风险的能力越来越受到认可。然而，其与创伤和手术患者预后的关系尚未得到充分研究。本研究调查了外科/创伤ICU患者TyG指数与死亡风险之间的相关性，以识别高风险个体并改善预后策略。

数据来源：本研究从重症监护医学信息市场（MIMIC-IV）数据库中确定了需要创伤/外科ICU入院的患者。

方法：本研究从重症监护医学信息市场（MIMIC-IV）数据库中确定了需要创伤/外科ICU入院的患者，并根据TyG指数将其分为三分位数。结果包括28天死亡率和180天死亡率的短期和长期预后。使用Cox比例风险回归分析和RCS模型阐明TyG指数与患者临床结局之间的相关性。

结果：共纳入2103例患者。28天死亡率和180天死亡率分别达到18%和24%。多变量考克斯比例风险分析显示，在协变量调整后，TyG指数升高与28天和180天死亡率显著相关。TyG指数升高与28天死亡率（校正后风险比，1.19; 95%置信区间1.04-1.37）和180天死亡率（校正后风险比，1.24; 95%置信区间1.11-1.39）显著相关。RCS模型显示，逐渐增加的死亡风险与TyG指数升高有关。根据我们的亚组分析，TyG指数升高与年龄小于60岁的重症患者28天和180天死亡率的风险增加相关，以及伴有中风或心血管疾病的患者。此外，在非糖尿病患者中，TyG指数升高与180天死亡率相关。

结论：死亡风险增加与TyG指数升高有关。在60岁以下的危重患者以及伴有中风或心血管疾病的患者中，TyG指数升高与不良的短期和长期结局相关。此外，在非糖尿病患者中，升高的TyG指数与不良的长期预后相关。

2.中国学者文章介绍（二）

文章题目：血清钙与合并充血性心力衰竭的糖尿病患者住院死亡率之间的u型关系:一项队列研究。

研究背景：先前的研究报道了血清钙与患者死亡率之间的显著关联，特别是在重症监护病房(ICU)患者中。在糖尿病中，充血性心力衰竭(CHF)是一个重要的合并症。

研究目的：我们的目的是评估血清钙水平与糖尿病和充血性心力衰竭患者住院死亡率之间的关系。

数据来源：本研究的参与者是从重症监护医学信息市场IV (MIMIC-IV)数据库中提取的。

方法：为了仔细研究血钙水平与住院死亡率之间的潜在关联，我们进行了一项综合分析，包括多变量logistic回归、三次样条函数模型、阈值效应分析和亚组分析。

结果：本回顾性队列研究纳入7063例患者，其中住院死亡率为12.2%。在多因素logistic回归中，校正优势比(ORs)与参考类别Q6 (8.8-9.1 mg/dL)比较血清钙水平和住院死亡率。Q1(≤7.7 mg/dL)、Q2 (7.7-8 mg/dL)和Q7(≥9.1 mg/dL)调整后的or分别为1.69 (95% CI 1.17-2.44, p = 0.005)、1.62 (95% CI 1.11-2.36, p = 0.013)和1.57 (95% CI 1.1-2.24, p = 0.012)。剂量-反应分析揭示了血清钙水平与糖尿病合并心力衰竭患者住院死亡率之间的u型关系。亚组分析证实了结果的稳定性，尽管有各种因素的影响。

结论：我们的研究揭示了血钙水平与伴有充血性心力衰竭的糖尿病患者住院死亡率之间的u型相关性，并确定了9.05 mg/dL的显著拐点。

3.中国学者文章介绍（三）

文章题目：基于MIMIC-IV数据库的回顾性研究:感染性休克重症监护患者实验室检查和生命体征得出的虚弱指数与临床结果的关系。

研究目的：虚弱是由于多系统功能障碍导致生理储备丧失而导致的对应激源的脆弱状态。基于生理和实验室的虚弱指数（FI-Lab）取决于实验室值和生命体征，是捕获虚弱状态的强大工具。本研究的目的是评估感染性休克患者FI-Lab与院内死亡率之间的关系。

数据来源：重症监护病房脓毒症患者的基线数据来自重症监护医学数据库（MIMIC-IV，v2.2）。

方法：主要结局是住院期间的死亡率。采用倾向评分匹配法（PSM）分析两组患者住院期间的基本情况，分别按连续变量和分类变量采用Logistic回归分析FI-Lab与住院死亡率的关系，并采用限制性三次样条（RCS）进行描述。使用Kaplan-Meier（KM）曲线比较组间生存率。亚组分析用于提高结果的稳定性。

结果：共纳入9219例患者。PSM后生成了1803例匹配患者的队列评分。分析显示，ICU中感染性休克的非存活患者具有较高的FI-Lab指数（P<0.001）。FI-Lab作为连续变量或分类变量，随着FI-Lab的增加而增加，随着住院死亡率的增加而增加（P<0.001）。RCS描述了这种非线性关系。KM分析显示，随着FI-Lab增加，住院期间的累积生存时间显著降低（对数秩检验，P<0.001）。

结论：FI-Lab升高与感染性休克患者院内死亡率增加相关。

4.中国学者文章介绍（四）

文章题目：脓毒症患者血红蛋白变化幅度与长期死亡率之间的关系:一项回顾性队列研究。

研究背景：脓毒症是重症监护病房(ICU)中一种常见且严重的疾病，死亡率高。血红蛋白(HGB)水平是脓毒症患者供氧的重要指标。尽管HGB与脓毒症患者炎症进展相关，但其作为脓毒症治疗后标志物的作用尚不清楚。在这里，我们研究了脓毒症患者HGB水平的早期时间变化与长期死亡率之间的相关性。

数据来源：在这项来自重症监护医学信息市场(MIMIC) IV数据库的脓毒症患者数据的回顾性研究中，结果是长期死亡率。

方法：根据HGB百分比的截止值对患者进行分组，计算受试者工作特征(ROC)曲线。Kaplan-Meier (KM)生存曲线和Cox比例风险回归模型用于分析组与结果之间的相关性。采用倾向得分匹配(PSM)对结果进行验证。

结果：在这项研究中，2042例入院后第4天HGB水平与第1天相比发生变化的脓毒症患者被纳入研究，并分为两组:1组(n = 1147) HGB下降< 7%，2组(n = 895) HGB下降≥7%。第4天HGB比例减少少于7%的脓毒症患者的长期生存机会明显高于减少7%或更多的患者。在Cox模型中调整协变量后，长期全因死亡率降低7%或以上组的95%可信区间(CI)风险比(HR)如下:180天[HR = 1.41, 95% CI (1.22 ~ 1.63)， P < 0.001];360天[HR = 1.37, 95% CI (1.21 ~ 1.56)， P < 0.001];540天[HR = 1.35, 95% CI (1.20 ~ 1.53)， P < 0.001];720天[HR = 1.45, 95% CI (1.29 ~ 1.64)， P < 0.001]。此外，使用Kaplan-Meier分析，在180天(54.3% vs. 65.3%， P < 0.001)、360天(42.3% vs. 50.9%， P < 0.001)、540天(40.2% vs. 48.6%， P < 0.001)和720天(35.5% vs. 46.1%， P < 0.001)，减少7%或更多组的长期生存率低于减少7%组。采用PSM后，得到了相同的趋势。

结论：入住ICU的败血症患者入院后第4天HGB水平下降≥7%与较差的长期预后相关。

5.中国学者文章介绍（五）

文章题目：一种基于可解释机器学习的新型高性能列线图，可根据住院第一天的临床特征预测卒中患者30天内的死亡风险。

研究背景：本研究旨在基于可解释的机器学习方法开发一种性能更高的列线图，并根据重症监护病房（ICU）入院第一天的临床特征预测卒中患者在30天内的死亡风险。

研究目的：本研究旨在确定MT对IS患者住院死亡率的影响。

数据来源：从重症监护医学信息市场（MIMIC）IV和III数据库中提取与卒中患者相关的数据。

方法：LightGBM机器学习方法与Shapely加法解释（称为解释机器学习，EML）一起用于选择临床特征并定义所选特征的截止点。然后使用考克斯比例风险回归模型和Kaplan-Meier生存曲线评价这些选定的特征和截止点。最后，分别使用原始变量和通过截断点二分的变量构建了基于逻辑回归的脑卒中患者30天死亡率预测诺模图。从整体和个体两个维度对两个诺模图的性能进行评价。

结果：MIMIC-IV数据集共纳入2982例脑卒中患者和64项临床特征，30天死亡率为23.6%。根据EML定义了10个变量（“sofa（脓毒症相关器官衰竭评估）"、“最低葡萄糖”、“最高钠”、“年龄”、“平均Spo 2（血氧饱和度）"、“最高温度”、“最大心率”、“最低BUN（血尿素氮）"、“最低WBC（白色血细胞）”和“Charlson合并症指数”）和各自的截止点。在考克斯比例风险回归模型（考克斯回归）和Kaplan-Meier生存曲线中，根据各变量的截止点对卒中患者进行分组后，属于高危亚组的患者与30天死亡率高于低危亚组的患者相关。对列线图的评价发现，基于EML的列线图不仅在总体维度上的NIR（净重新分类指数）、Brier评分和临床净效益方面优于常规列线图，而且在个体维度上也有显著改善，尤其是对于低“最高温度”患者。

结论：10个选定的第一天ICU入院的临床特征需要更多的关注脑卒中患者。基于可解释机器学习的诺模图将有更大的临床应用。

更多文章如下：

中国学者：

外国学者：无

一个专门做公共数据库的公众号，关注我们