救急受診後4時間のデータから小児敗血症の発症を予測するモデルを開発
Derivation and Validation of Predictive Models for Early Pediatric Sepsis
背景
敗血症においては早期の発見と治療がアウトカムを左右するため、発症を予測するリスクモデルの開発が進められてきた。
アメリカNorthwestern University Feinberg School of MedicineのAlpernらは、救急外来を受診した生後2ヵ月から18歳までの小児患者の電子健康記録データを用いて、治療開始から4時間以内に得られた背景因子・生理学的因子から敗血症（Phoenix Sepsis Criteriaスコアが2以上、48時間以内の死亡）を予測する機械学習アルゴリズムをトレーニングし（n=1,604,422）、テストした（n=719,298）。
結論
敗血症予測モデルの受信者操作特性曲線下面積（AUROC）は、ロジスティック回帰モデルで0.92、勾配ブースティング決定木モデルで0.94であった。敗血症性ショックモデルのAIROCは0.92以上であった。
勾配ブースティング決定木モデルの陽性尤度比は、敗血症に関して4.67から6.18、敗血症性ショックに関して4.16から5.83の範囲であった。
評価
大規模なデータセットを用いて開発された新モデルは、受診後早期のカルテデータに基づいて高い精度で敗血症・敗血症性ショックの発症を予測した。
今後は外部・前向検証での再現性、実装によるアウトカムへの影響の評価が焦点となるだろう。
