机器学习模型预测ICU死亡率

一项发表在medRxiv上的预印本研究利用MIMIC-IV数据库中53,866例成人ICU入院记录（其中住院死亡5,787例，占10.7%），开发了五种机器学习模型用于预测住院死亡率。研究团队设计了一套增强特征工程流程，生成了88项基于实验室检测的特征，涵盖数据分布特征、时间趋势和测量频率。五种模型包括L2正则化逻辑回归、随机森林、XGBoost、LightGBM及校准软投票集成模型。结果显示，集成模型在性能上最优，且通过概率校准提高了预测的可靠性。该预印本尚未经过同行评审。