admin 管理员组文章数量: 1087135
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
微软官方Visual Chatgpt环境模型构建
目录 前言 概括 前言 Visual Chatgpt主要是用于AI机器视觉模型的构建，目标是构建能够处理各种任务的AI。 概括 1.安装conda 1.下载安装脚本：#wget https
Github大模型优质资源分类整理与进一步梳理
大模型学习与课程资料 1.LLM从入门到精通的开源课程 地址 GitHub - mlabonnellm-course: Course to get into Large Language Models (LLMs) with roa
从chatgpt来说说AI大模型
最近几乎所有的热点都被chatgpt占据，相信大家都对chatgpt已经不陌生了，最近我也看了一些，总结了一些关于大模型的资料，有些不足或者建议&
一行代码解决PyTorch训练模型时突然出现的For debugging consider passing CUDA_LAUNCH_BLOCKING=1报错
一、问题描述 今天在调试模型的代码，然后代码一直运行得好好地，就突然出现了一下的错误： RuntimeError: CUDA error: invalid device or
【AI大模型】ChatGPT模型原理介绍
ChatGPT 是一种基于大规模深度学习语言模型 GPT（Generative Pre-trained Transformer）的 AI 模型。它使用自然语言处理（NLP&a
【大模型】ChatGPT 数据分析与处理使用详解
目录 一、前言 二、AI 大模型数据分析介绍 2.1 什么是AI数据分析 2.2 AI数据分析与传统数据分析对比 2.2.1 差异分析 2.2.2 优劣势对比 2.3 AI大模型工具数据分析应用场景 三、AI大模型工具数据分析
ChatGPT最新模型canvas是什么？
一、什么是canvas？ 简单来说，是ChatGPT里一个内置的新交互体验，可以弹出页面以更好地辅助用户进行写作（writing）
制作一个类似ChatGPT的AI对话网站，模型能力使用ChatGPT
要快速搭建一个类似ChatGPT的AI对话网站，并且使用类似ChatGPT的模型能力，可以考虑以下技术和工具： ### 1. **使用现有的AI模型平台** - **Open
重构大模型磁力，要在豆包身上找答案
如今，很多媒体与AI从业者都在追问一个问题：大模型，究竟堵在哪了？ 经历了2023年的百模大战，AI产业迎来了从“是否有大模型”
2025 年 AI 十大展望：软件市场扩大 10 倍、系统比模型更重要、OpenAI 先发优势消退...
尽管有 Scaling Law 放缓这样的疑虑，但整体而言，多数业内人士对 AI 过去一年的诸多进展感到兴奋，对新的一年 AI 的发展更是充满期待，尽管
【Docker】快速部署 copilot-gpt4-service：将 Github Copilot 转换为 GPT-4 模型进行对话
【Docker】快速部署 copilot-gpt4-service：将 Github Copilot 转换为 GPT-4 模型进行对话 引言 利用 copilot-gpt4-service 服务࿰
github最强Chatbox AI 模型桌面，支持 ChatGPT、Claude等主流模型，适用于 Win、Linux等，总结文档图片并互动，智能编程，AI实时联网搜索与查询，图片生成，科研写作等
一、软件介绍（文末提供下载） Chatbox 是一个 AI 模型桌面客户端，支持 ChatGPT、Claude、Google Gemini、Ollama 等主流模型&
模型蒸馏（ChatGPT文档）
文章来源： https:chatgpt.cadndocsguides_distillation 模型蒸馏 使用蒸馏技术改进较小的模型。 模型蒸馏允许您利用大型模型的输出来微调较小的模型，
推荐系统之LFM--潜在因子模型
推荐系统之LFM 原网址：http:wwwblogshxsylp4882768.html 这里我想给大家介绍另外一种推荐系统，这种算法叫做潜在因子（Latent
Windows本地部署DeepSeek-R1大模型并使用web界面远程交互
文章目录 前言1. 安装Ollama2. 安装DeepSeek-r1模型3. 安装图形化界面3.1 Windows系统安装Docker3.2 Docker部署Open WebUI3.3 添加Deepseek模型 4. 安装内网穿透工具5.
大模型相关网站整理
目录 一：大模型开发网站 1. 开源模型平台 2. 私有化部署大模型 3. LangChain中文网 4. LangChain4j 5. 通过标准的OpenAI API 格式访问所有的大模型 二：国内AI大模型应用盘点 聊天
Windows本地部署DeepSeek-R1大模型实战：基于Ollama的极简指南
Windows本地部署DeepSeek-R1大模型实战：基于Ollama的极简指南 大模型本地化部署正在从极客玩具变成生产力工具。本文手把手教你用轻量级工具Ollama，在Windows系统上快速部署国产明星模型DeepSeek-R1，无
真·MoE？路由LLM最全面探索：一种笔记本也能玩的大模型Scaling Up研究
MilkThink团队 投稿量子位 | 公众号 QbitAI 事关路由LLM（Routing LLM），一项截至目前最全面的研究，来了—— 共计收集和整
windows安装Ollama+模型下载
1、访问ollama官方网址 https:ollamadownload2、选择对应操作系统版本，点击下载 3、下载完之后双击OllamaSetup.exe文件，进行安装 4、进入CMD&
Windows安装ollama本地部署千问qwen2.5大模型
ollama ollama是一个简明易用的本地大模型运行框架,只需一条命令即可在本地跑大模型。开源项目，专注于开发和部署先进的大型语言模型（LLM） 官网ÿ
发表评论