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。
2024.9.11-2024.9.17PubMed数据库“标题/摘要：MIMIC-IV OR MIMIC-III”搜索发现，共发表13篇MIMIC-IV论文。其中3篇二区。
外国学者文章
1.外国学者文章介绍（一）
文章题目：Can GPT-3.5 generate and code discharge summaries?
研究背景：本研究的目的是研究GPT-3.5在低资源标签上使用国际疾病分类(ICD)-10代码生成和编码医疗文档的情况。
数据来源：MIMIC-IV数据集。
方法：基于MIMIC-IV数据集中不常见(或生成)代码的患者的ICD-10代码描述列表，我们使用GPT-3.5生成并编码9606份出院摘要。结合基线训练集，形成增广训练集。神经编码模型在基线和增强数据上进行训练，并在MIMIC-IV测试集上进行评估。我们报告了完整代码集、生成代码及其家族的微观和宏观f1分数。弱层次混淆矩阵确定族内和族外编码错误在后者的码集。采用提示引导的自生成数据和真实MIMIC-IV数据对GPT-3.5的编码性能进行评价。临床医生评估生成的文件的临床可接受性。
结果：数据增强导致整体模型性能稍微降低，但提高了生成候选代码及其家族的性能，包括基线训练数据中缺失的1个。增强模型显示出较低的家庭外错误率。GPT-3.5通过提示描述识别ICD-10代码，但在实际数据上表现不佳。评估者强调生成的概念的正确性，同时忍受多样性，支持信息和叙述。
结论：虽然GPT-3.5在我们的提示设置下不适合单独用于ICD-10编码，但它支持训练神经模型的数据增强。增强对生成代码族有积极影响，但主要对已有示例的代码有好处。增强手术减少了家庭外的错误。GPT-3.5生成的文档正确地说明了提示概念，但叙述缺乏多样性和真实性。
2.外国学者文章介绍（二）
文章题目：探索重症监护病房危急报警设置的临床实践:一项来自MIMIC-IV数据库的6万名住院患者的回顾性研究。
研究背景：在重症监护病房(ICU)，关键警报的设置应该敏感且针对患者，以便在不连续响铃的情况下检测健康恶化的迹象，但警报阈值并不总是校准为以这种方式操作。评估重症监护病房的关键报警阈值设置与患者特定变量之间的联系将加深我们对这一问题的理解。
研究目的：本回顾性描述性和探索性研究的目的是通过对ICU住院患者的大量队列研究来评估这种关系。
数据来源：对从MIMIC-IV数据库中提取的约70,000例ICU住院病例进行了回顾性研究。
方法：检查了紧急告警阈值和阈值修改频率。然后通过计算随机树森林模型的Shapley值来探索这些警报阈值设置与30个患者变量之间的联系，该模型与患者变量和警报设置相匹配。
结果：该研究包括57,667名ICU住院患者。警报阈值和警报阈值修改频率表现出相同的趋势:它们受到监测的生命体征的影响，但几乎不受患者整体健康状况的影响。这项探索性研究还将患者的生命体征作为最重要的变量，远远领先于药物治疗。
结论：总之，报警设置是僵化的、机械的，很少适应患者的进化。ICU的警报管理似乎不完善，不同的方法可能导致更好的病人护理和提高工作人员的生活质量。
中国学者文章
3.中国学者文章介绍（一）
文章题目：脓毒症合并肝硬化患者血清白蛋白校正阴离子间隙水平升高与预后不良相关。
研究背景：脓毒症合并肝硬化患者的预后较无肝硬化的脓毒症患者差。肝硬化脓毒症患者早期准确的预后判断是指导治疗决策的关键。
研究目的：本研究的目的是探讨白蛋白纠正阴离子间隙(ACAG)与脓毒症合并肝硬化患者临床预后的关系。
数据来源：本研究从重症监护医学信息市场(MIMIC-IV)数据库中提取脓毒症和肝硬化患者的数据。共纳入1340例患者(64.6%为男性)。
方法：采用COX回归、RCS和亚组分析方法。
结果：校正混杂因素后，ACAG升高与28天死亡率显著相关(HR1.604;95% ci 1.258-2.048;P < 0.001)。限制三次样条显示ACAG与28天死亡率之间存在线性关系(p非线性= 0.089,p总体= 0.001)。根据ROC曲线分析，ACAG的曲线下面积(AUC)为0.703，高于AG(0.675)。Kaplan-Meier分析显示，高ACAG组28天死亡率较高(log-rank检验，χ 2 = 175.638, P < 0.001)。此外，亚组分析显示ACAG与肝硬化病因之间存在显著的相互作用(相互作用P = 0.014)。
结论：因此，ACAG可以为临床医生指导这一高危人群的干预提供有价值的见解。
4.中国学者文章介绍（二）
文章题目：危重急性胰腺炎患者甘油三酯葡萄糖体重指数与全因死亡率的关系。
研究背景：本研究探讨了该患者入院时甘油三酯葡萄糖体重指数(TyG-BMI)指数与临床结局的相关性。
数据来源：重症监护医学信息市场IV数据库。
方法：我们调查了该患者组入院时的TyG-BMI与临床结局之间的关系，并分析了重症监护医学信息市场IV数据库的数据，确定了icu收治的急性胰腺炎(AP)患者，并按TyG-BMI四分位数对其进行了分层。我们使用Cox比例风险回归和限制性三次样条评估了TyG-BMI与死亡率(住院和ICU)之间的关系。
结果：纳入419例患者，平均年龄56.34±16.62岁，男性居多(61.58%)。医院和ICU死亡率分别为11.93%和7.16%。较高的TyG-BMI与全因死亡率增加呈正相关。TyG-BMI四分位数最高的患者住院和ICU死亡的风险明显更高。样条分析中的s形曲线表明，TyG-BMI为243时，院内死亡风险增加存在阈值效应。
结论：TyG-BMI是严重AP患者住院和ICU死亡率的可靠预测指标，提示其在加强这一弱势群体的风险评估和指导临床干预方面的应用。
5.中国学者文章介绍（三）
文章题目：共病进展分析:使用时间共病网络进行患者分层和共病预测。
研究目的：本研究旨在识别不同人群特异性的合并症进展模式，及时发现潜在的合并症，更好地了解患者合并症的进展情况。
数据来源：本研究利用重症监护医学信息市场(MIMIC) IV数据库调查了脓毒症和原发性高血压患者入院前24小时内平均MAP (a-MAP)与临床结局之间的关系。
方法：这项工作提出了一个利用时间共病网络(TCN)进行患者分层和共病预测的共病进展分析框架。我们提出了一种利用患者的纵向、时间诊断数据来构建TCN的方法。随后，我们采用TCN进行患者分层，进行初步分析，并进行典型处方分析，以揭示不同患者组潜在的合并症进展模式。最后，我们提出了一种利用距离匹配时间共病网络(TCN-DM)的创新共病预测方法。该方法识别具有疾病流行和疾病转变模式的相似患者，并将其诊断信息与当前患者的诊断信息相结合，以预测患者下次就诊时潜在的合并症。
结果：本研究使用真实世界数据集MIMIC-III验证了该框架的能力，将心力衰竭(HF)作为感兴趣的疾病来调查HF患者的合并症进展。通过TCN，本研究可以识别出四个显著不同的HF亚组，揭示患者合并症的进展。此外，与其他方法相比，TCN-DM的预测性能更好，F1-Score值在0.454 ~ 0.612之间，显示出TCN-DM的优势。
结论：本研究可以识别个体和人群的共病模式，并为患者未来的共病发展提供了有希望的预测。
更多文章如下：
中国学者：
外国学者：
一个专门做公共数据库的公众号，关注我们
扫一扫
2650
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
