admin 管理员组文章数量: 1184232
2024年5月26日发(作者：网络安全攻防)
护理研究 2023 年 8 月第 37 卷第 15 期（总第 731 期）
·2673·
· 科研论著 ·
ICU获得性肌无力风险预测模型的构建
及应用
2
杨霞
1，
，于红静
1
，潘泽林
1
，梁梓杨
3
，叶敏怡
4
，何志丽
5
，梅楚楠
1
，覃湘君
1
，凌冬兰
1
，陈利芬
5*
1.广州医科大学附属第二医院，广东 510260；2.中山大学护理学院；3.肇庆市第一人民医院；
4.广东省中西医结合医院；5.中山大学附属第一医院
Abstract Objective：To construct risk prediction model of intensive care unit‐acquired weakness，and to verify its application effect.
Methods：A total of 330 ICU patients in the adult general intensive care department of 4 tertiary grade A hospitals in Guangdong
province from August 2020 to December 2021，were selected as the study objects，and patients data were collected by self‐designed
case report ariate Logistic regression method was used to construct the risk prediction model，and the model was verified
internally and mini program and Nomograph based on Logistic regression model were s：Multivariate
Logistic regression model included the length of stay in ICU，mechanical ventilation，age，ventilator use time and APACHEⅡ.
The internal verification results of the model showed that the area under the receiver operating characteristic curve（AUC） was 0.879，
the sensitivity was 0.762，the specificity was 0.838，and the accuracy was al verification results showed that AUC was
0.755，the sensitivity was 0.682，the specificity was 0.740，and the accuracy was results of clinical application of the
model showed that：the probability≥0.648 from the mini‐program suggested that patients were at risk for ICU acquired weakness；
the total Nomogram score ≥14.2 suggested that patients were at high risk for ICU acquired sion：
The constructed risk prediction model of intensive care unit‐acquired weakness had high degree of distinction and WeChat
mini program and Nomograph methods could help patients to screen the risk of ICU acquired weakness quickly and efficiently.
Keywords intensive care unit； intensive care unit‐acquired weakness； risk factors； Nomograph
摘要 目的:构建ICU获得性肌无力的风险预测模型并验证应用效果。方法:选取2020年8月—2021年12月广东省4所三级甲等综
合医院成人综合重症医学科330例ICU病人作为研究对象，采用自行设计的病例报告表收集病人资料。采用多因素Logistic回归
方法构建风险预测模型，对模型进行内部验证和外部验证。基于Logistic回归模型开发微信小程序和绘制列线图。结果:最终纳入
ICU住院天数、是否机械通气、年龄、呼吸机使用时间、急性生理与慢性健康状况评分（APACHEⅡ）5个因素构建多因素Logistic回
归模型。模型内部验证：受试者工作特征曲线下面积（AUC）为0.879，灵敏度为0.762，特异度为0.838，准确性为0.805；外部验证：
AUC为0.755，灵敏度为0.682，特异度为0.740，准确性为0.727。模型的两种临床实际应用方法：小程序得出概率≥0.648时，提示
病人有发生ICU获得性肌无力的风险；列线图总得分≥14.2分时，表明病人极有可能发生ICU获得性肌无力。结论:构建的ICU获
得性肌无力风险预测模型具有较高的区分度和校准度，微信小程序和列线图两种方法均能帮助临床快速、高效地筛查出病人发生
ICU获得性肌无力的风险。
关键词 重症监护室；ICU获得性肌无力；危险因素；列线图
doi:10.12102/.1009-6493.2023.15.002
YANG Xia, YU Hongjing, PAN Zelin, LIANG Ziyang, YE Minyi, HE Zhili, MEI Chunan, QIN Xiangjun,
LING Donglan, CHEN Lifen
The Second Affiliated Hospital of Guangzhou Medical University, Guangdong 510260 China
Corresponding Author CHENLifen,E⁃mail:******************
Construction and application of risk prediction model of intensive care unit⁃acquired weakness
重症监护病房（ICU）获得性肌无力（intensive
care unit‐acquired weakness,ICU‐AW）指在ICU住院
期间发生发展的，无法用危重症疾病以外的其他原因
进行解释的，以广泛性肢体乏力为特征的临床综合
征
[1]
。据报道，重症监护病房ICU获得性肌无力的发
生率为50%~100%，尤其是脓毒血症病人，发生率远
高于其他疾病病人
[2]
。然而，目前仍无针对ICU获得
性肌无力的有效治疗药物
[3]
。一旦临床出现ICU获得
性肌无力，将延长机械通气时间和ICU住院时间，导
致病死率和致残率增加，降低预后生活质量并增加医
基金项目 广州医科大学附属第二医院护理科研基金项目，编号：
A202001；2021年广州护理学会科研课题立项项目，编号：A2021079
作者简介 杨霞，主管护师，硕士
版权声明：本文标题：ICU获得性肌无力风险预测模型的构建及应用 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/p/1716719097a696178.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
更多相关文章
ERNIE（Enhanced Representation through kNowledge Integration）模型
ERNIE（Enhanced Representation through kNowledge Integration）模型 ERNIE（文心，全称
【人工智能】大模型提示词：应对“输出重复”的提示词优化策略
1. 引言：被 “复读机” 困扰的大模型使用场景你是否遇到过这样的情况：让大模型写产品文案，结果反复出现 “科技感十足”“品质卓越”；让它分析代码问题&
【AI大模型：前沿】44、大模型+机器人：从自动化工具到通用智能体的技术革命与应用全景
当大模型的认知能力与机器人的物理执行能力相结合，一种全新的智能形态——“具身智能体”正逐步走出实验室。传统机器人被局限在预设场景（如流水线焊接），而大模型赋予它们理解模糊指令、处理突发状况、甚至零样本执行新任务的能力。 本文将系统解析“大
微调数据格式详解：适配任务、模型与生态的最佳实践
一、引言：微调在垂直领域的重要性 通用大模型虽具备强大的基础能力，却在医疗、金融、法律等专业场景中暴露出明显短板：术语混淆（如将“处方药”误作“非处方药”）、风格不符（如法律回答缺失法条引用）、逻辑偏差（如金融分析忽略关键指标）等问题频
51c大模型~合集88
我自己的原文哦~ https:blog.51ctowhaosoft12805165 #Number Cookbook 数字比你想得更复杂——一文带你了解大模型数字处理能力的方方
Apple Intelligence：苹果大模型部署方案
摘要： 设备端LLM：iOS18版本将包含一个本地小型、低延迟的LLM模型（30亿参数），它能够理解用户命令、当前屏幕并在应用程序
微PE官网都该看看的技术：用U盘启动大模型推理环境？
用U盘启动大模型推理环境：微PE式AI沙箱的崛起你有没有想过，像使用微PE工具箱那样，插上一个U盘就能在任何电脑上跑起Qwen-72B的推理？这不是科
打造流畅体验：GLM-4.7-Flash多语言版本的部署与中文调试深度揭秘
GLM-4.7-Flash从零开始：中文优化大模型部署与多轮对话调试 想快速体验一个中文理解能力超强、对话流畅自然的大模型吗？今天，我们就来手把手带你部署和调试GLM-4.7-Flash，这是智谱AI最新推出的一个“大块头”模
GLM 4.7-Flash实战手册：零基础到专家级的多轮对话调试与优化全攻略
GLM-4.7-Flash从零开始：中文优化大模型部署与多轮对话调试 想快速体验一个中文理解能力超强、对话流畅自然的大模型吗？今天，我们就来手把手带你部署和调试GLM-4.7-Flash，这是智谱AI最新推出的一个“大块头”模
Jetson Orin Nano 与 BGE Large zh v1.5：轻量级边缘设备部署实操指南
bge-large-zh-v1.5部署案例：边缘设备Jetson Orin Nano轻量化Embedding部署 1. 项目背景与需求 在边缘计算场景中，部署高质量的文本嵌入模型一直是个技术挑战。传统的嵌入模型往往需要
ForcedAligner 0.6B：让复杂口音挑战迎刃而解，实现98.2%精准字级匹配的秘诀揭晓！
Qwen3-ForcedAligner-0.6B惊艳案例：带口音中文访谈音频实现98.2%字级对齐准确率 1. 为什么这个对齐模型让人眼前一亮 你有没有遇到过这样的情况：一段粤语口音浓重的深圳科技公司内部访谈录音，转文
GPT进阶指南：一步到位从GPT-1走到GPT-4
【ChatGPT】GPT 模型的发展历史：从 GPT-1 到 GPT-2 到 GPT-3 到 GPT-4目录1. 引言 自然语言处理（NLP）是人工智能领域的一个重要方向，旨在让计算机能够理解和生成
掌握GPT：了解它与Flash中心，Adobe Flash Player的联系
1、什么是GPT？ GPT是Generative Pre-training Transformer的缩写，翻译成中文是生成型预训练转换器。它最初是由OpenAI团队在2018年开发的一种人工智能语言模型。GPT的主要功能是生成
SWF的潜规则：剖析企业内部非正当行为和强化人员管控的重要性
旨在提供分析视角，所有策略均存在重大法律、道德与合规风险，严禁在现实世界中实施或效仿。企业非正当利益运作与人员控制策略框架 编号 策略名称 核心操作执行要点
Hunyuan-MT-7B对决WMT25：寻找30项第一的关键因素和制胜策略
Hunyuan-MT-7B对比测试：WMT25 30项第一的秘诀 一台RTX 4080显卡，就能跑出世界顶级的翻译效果。本文将带你深入拆解腾讯混元Hunyuan-MT-7B翻译模型，看看这个70亿参数的“小
高效管理YOLOv8训练流程，GPUCPU资源实时监控助手
YOLOv8模型监控仪表盘：GPUCPU资源实时追踪 1. 项目概述 今天给大家介绍一个特别实用的工具——YOLOv8模型监控仪表盘。如果你正在使用YOLOv8进行目标检测，这个工具能帮你实时监控GPU和CPU的资源
专业揭秘：YOLOv8模型如何利用GPU和CPU资源？
YOLOv8模型监控仪表盘：GPUCPU资源实时追踪 1. 项目概述 今天给大家介绍一个特别实用的工具——YOLOv8模型监控仪表盘。如果你正在使用YOLOv8进行目标检测，这个工具能帮你实时监控GPU和CPU的资源
Yolo火焰检测实战：突破视觉检测新境界，火光不再隐藏！
本文采用YOLOv11作为核心算法框架，结合PyQt5构建用户界面，使用Python3进行开发。YOLOv11以其高效的实时检测能力，在多个目标检测任务中展现出卓越性能。本研究针对火焰与烟雾数据集进行训练和优化，该数据集包含丰富的火焰
火焰检测新纪元：YOLOv11实战烟雾与火焰识别指南
本文采用YOLOv11作为核心算法框架，结合PyQt5构建用户界面，使用Python3进行开发。YOLOv11以其高效的实时检测能力，在多个目标检测任务中展现出卓越性能。本研究针对火焰与烟雾数据集进行训练和优化，该数据集包含丰富的火焰
深度学习实战火焰与烟雾检测_烟雾火焰检测
本文采用YOLOv11作为核心算法框架，结合PyQt5构建用户界面，使用Python3进行开发。YOLOv11以其高效的实时检测能力，在多个目标检测任务中展现出卓越性能。本研究针对火焰与烟雾数据集进行训练和优化，该数据集包含丰富的火焰
发表评论