基于人工智能的多中心回顾性研究中的脓毒症休克多专业死亡率预测模型

感染性休克是ICU中最致命的疾病之一，早期风险预测可能有助于降低死亡率。我们使用2003年2月至2023年11月三所医院4872名ICU患者的数据，开发了一个基于TOPSIS的分类融合（TCF）模型来预测感染性休克患者的死亡风险。该模型通过与理想解的相似性排序偏好技术（TOPSIS）集成了七种机器学习模型，在内部验证中达到0.733的AUC，在儿科ICU中达到0.808，在呼吸ICU中达到0.662，外部验证AUC分别为0.784和0.786。该模型在跨专业和多中心验证中表现出较高的稳定性和准确性。该可解释的模型为临床医生提供了一个可靠的感染性休克死亡风险预警工具，有助于早期干预以降低死亡率。