基于5种机器学习构建脓毒症中医证素与临床指标-中国中医急症

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

基于5种机器学习构建脓毒症中医证素与临床指标

作者:

关键词:

摘要：

研究背景与问题

脓毒症是一种严重的全身性炎症反应综合征，具有较高的死亡率。中医证素是中医学中用于描述疾病本质和病机变化的基本单位，其在脓毒症的诊断和治疗中具有重要作用。然而，脓毒症中医证素与临床指标之间的关联性研究尚不充分。本研究旨在通过中医证素与临床指标，开发5种不同的机器学习模型，以预测脓毒症患者的死亡风险。

研究方法

本研究选取了河北省沧州中西医结合医院ICU的315例脓毒症患者作为研究对象。根据患者的生存结局，将其分为存活组和死亡组。收集所有患者的中医证素和临床指标信息，包括年龄、性别、病情严重程度、实验室检查结果等。通过LASSO回归和多因素分析进行特征选择，构建了5种不同的机器学习模型，包括支持向量机（SVM）、随机森林（RF）、梯度提升树（GBDT）、K最近邻（KNN）和神经网络（NN）。

核心结果

通过LASSO回归和多因素分析，筛选出与脓毒症死亡风险相关的关键中医证素和临床指标。在构建的5种机器学习模型中，SVM模型的预测性能最佳，其AUC（曲线下面积）为0.85，敏感性为0.81，特异性为0.84。此外，通过交叉验证，验证了SVM模型在预测脓毒症死亡风险方面的稳定性和可靠性。

结论与意义

本研究通过结合中医证素和临床指标，构建了5种机器学习模型，并验证了SVM模型在预测脓毒症死亡风险方面的有效性。这一研究为脓毒症的临床诊断和治疗提供了新的思路和方法，有助于提高脓毒症患者的治疗效果和生存率。同时，本研究也为中医证素与临床指标的结合提供了新的实证依据，为中医证素在现代医学中的应用提供了参考。

文章来源：《中国中医急症》网址: http://www.mzltzz.cn/qikandaodu/2025/1029/333.html