导读:本文包含了死亡风险预测论文开题报告文献综述及选题提纲参考文献，主要关键词:老年多器官功能不全,MIMIC-Ⅲ数据库,医疗大数据,机器学习
死亡风险预测论文文献综述
虎磐,刘晓莉,毛智,张渊,康红军[1]（2019）在《基于集成机器学习的ICU老年多器官功能不全早期死亡风险预测模型》一文中研究指出目的基于集成机器学习模型XGBoost(Extreme Grardient Boosting)构建ICU住院老年多器官功能不全综合征(multiple organ dysfunction syndrome in the elderly,MODSE)早期(入ICU 24 h后)死亡预测模型,以更好地辅助临床决策和治疗。方法利用公开的基于电子病历的大型数据库中重症医学信息数据库MIMIC-Ⅲ(Medical Information Mart for Intensive Care),纳入MODSE患者14 329例,其中院内死亡2 341例(16.3%),随机抽取80%作为训练集,剩余20%为测试集,根据预后将患者分为死亡组(1 864例)和存活组(9 599例),采集人口统计学信息、入ICU第一天的生命体征、临床干预措施、全身炎症反应综合征评分(SIRS),序贯器官衰竭估计评分(SOFA)作为模型参数,比较两组患者各指标差异;采用XGBoost模型算法进行模型训练,研究死亡相关特征重要性排名分布;用受试者工作特征曲线(ROC)评估模型对MODSE患者死亡风险的预测价值。结果与存活组比较,死亡组患者格拉斯哥昏迷指数(glasgow coma scale,GCS)、年龄、心率最大值等较高,体质量指数(hody mass index,BMI)、收缩压最小值等较低,差异均存在统计学意义(P均<0.01)。XGBoost构建预测模型的特征排名前10的指标为呼吸频率、活化的部分凝血酶原时间(activated part of the prothrombin time,APTT)、年龄、体温、BMI、收缩压、血小板、血糖、休克指数、内细胞计数;Xghoost模型预测MODSE患者死亡的AUC为0.853,敏感性为0.824,特异性为0.725,准确率为0.854,高于SOFA等各类评分。结论与传统的评分相比,XGBoost模型的预测性能更加优越,可以更好地辅助临床决策,更早地指导临床医生开展集束化治疗。(本文来源于《解放军医学院学报》期刊2019年06期）
许侨洋[2]（2019）在《基于特征提取的ICU患者死亡风险预测研究》一文中研究指出随着医疗数据供应的迅速增长,预后系统变得越来越复杂和准确,重症监护室尤其如此。重症监护室是重症病人和危重术后患者的聚集地,目前临床使用的典型ICU预后系统通常使用生理和人口统计数据方法,这些系统主要用于风险调整,而没有过多关注具体患者的病情发展预测。然而,过去十年中,人们对医疗数据的使用兴趣显着增加,利用大型数据集对特定患者病情预测的需求越来越多,随着大数据分析与机器学习方法的兴起,医疗领域与机器学习知识结合已成为ICU患者死亡风险预测问题新的解决思路。目前多数利用机器学习方法的预测模型都专注于训练和改进机器学习算法,通常忽略了数据的分析和处理。由于监护设备的丰富性和复杂性,ICU数据往往存在维度高、采样时间和次数不确定、类别不平衡、数据缺失等问题,这些数据问题往往会影响预测模型性能,因此对原始数据的预处理和特征提取工作对于预测模型来说是不可缺少的。本次研究着重于ICU数据的分析、特征提取和筛选,并采用决策树、随机森林和XGBoost叁种机器学习方法建立预测模型,探索各种特征值组合对不同机器学习算法预测模型的影响。本文的主要研究内容分为以下几部分:首先,对研究所使用的ICU数据集进行整体分析,统计样本集中类别分布情况,计算各特征值平均采样次数、缺失率和分布特征等统计学特性,分析这些统计学特性对于分类结果的影响,根据样本特性选择适合的机器学习方法和模型预测结果评价指标。其次,分别对非时间序列特征和时间序列特征进行特征提取,对于心率、血压、呼吸频率等采样次数较多的时间序列特征,根据其生理学意义,提出保留原始点的非均匀插值方法和昼夜分割、差分、反馈系数叁种特征值提取方法,并根据单个特征值AUC得分对特征值进行排序和筛选。然后,针对样本集不均衡问题,使用XGBoost算法构建预测模型,设计实验对比五种重采样方法,确定最适合本研究数据集的重采样方法,并将该方法应用于后续研究中。最后,设计实验对比五种特征值组合和叁种机器学习方法,实验发现选用基本特征提取方法得到的全部特征值加abs(AUC-0.5)>0.05的时序方法特征值,训练集使用多次随机欠采样方法进行重采样,分类方法选用XGBoost算法时,模型预测结果最好,测试集B上AUC得分为0.856,S1得分为0.509,测试集C上AUC得分为0.853,S1得分为0.516。(本文来源于《南京大学》期刊2019-05-30）
程维琴[3]（2019）在《多层螺旋CT在中央分流术后死亡风险预测及肺动脉发育评估中的价值》一文中研究指出背景中央分流是(CS)是治疗肺血减少型复杂先天性心脏病(CCHDs-DPBF)重要的姑息性手术之一,其目的是改善缺氧状态并促进肺动脉(PAs)发育。然而,该手术死亡率高,影响CS术后死亡及PAs发育的相关因素尚不完全清楚。心脏CTA形态学参数可能有助于预测CS的术后结果。目的1.基于术前心脏CTA探讨影响CCHDs-DPBF患者CS术后死亡的危险预测因子;2.基于术前、后心脏CTA评估CCHDs-DPBF患者CS术后PAs发育状况及其影响因素。资料与方法1.回顾性收集行CS手术并含术前CTA的95例患者。终点事件为二期手术前任何原因所致死亡。纳入患者基本特征、CTA形态学参数及手术资料,分别采用Logistic回归分析、Cox比例风险模型评估术后30天死亡、总死亡(二期手术前)的相关危险因素。2.回顾性收集行95例行CS手术中含术前、后(二期手术前)CTA的50名患者。在术前、后CTA图像上分别测量左肺动脉(LPA)、右肺动脉(RPA)在第一分支前的面积,用体表面积(BSA)标化,计算标化的PAs指数变化值,采用Wilcoxon配对检验评估PAs发育状况。结合患者基本特征、CTA形态学参数及手术资料,运用多元逐步线性回归评估术后PAs发育的影响因素。结果1.手术中位年龄、体重分别为232天(IQR:74天,3.5岁)、7.0(IQR:4.2,11.0)kg。中位随访345天,共25例患者死亡,30天死亡率为13.7%,总死亡率为26.3%。多因素分析显示,术前Nakata指数>139mm2/m2(HR=12.46,P=0.002)、术后无动脉导管(PDA)/粗大的体肺循环侧支动脉(MAPCAs)(HR=10.54,P=0.032)的患者术后30天内死亡风险更高;功能性单心室(FSV)(HR=3.00,P=0.034)、术前Nakata指数>130mm2/m2(HR=5.46,P<0.0I)及术后无PDA/MAPCAs(HR=5.25,P=0.002)是术后总死亡的独立危险因子。取术前Nakata指数取值130mm2/m2为截点,判断术后总生存的敏感性、特异性分别为68%、77%,曲线下面积为0.75。2.50例含术前、后CTA的患者中,中位随访380天,4例患者肺动脉无发育,余46位患者整体Nakata指数从术前84.76(IQR:54.43,117.32)mm2/m2增长至术后209.31(IQR:129.63,307.16)mm2/m2(P<0.001)。LPA指数:术前39.23(IQR:24.25,52.04)mm2/m2,术后 104.41(IQR:55.69,136.81)mm2/m2(P<0.001);RPA指数:术前38.36(IQR:24.36,57.39)mm2/m2,术后99.30(IQR:58.67,173.59)mm2/m2(P<0.001)。LPA与RPA指数变化无统计学差异(P=0.160)。术后CTA图像显示,分流管狭窄24例,其中轻度13例(<50%);重度(>50%)11例,包括4例完全闭塞。大的分流管直径/BSA(P<0.001)、术后残留PDA(P=0.041)及无分流管重度狭窄(P=0.003)有利于术后Nakata指数的增长。结论1.基于术前心脏CTA的形态学参数具有预测CS术后死亡风险的潜能。术前Nakata指数>130mm2/m2、FSV及术后无PDA/MAPCAs是CS术后死亡的预测因子;2.心脏CTA可用于评估CS术后PAs发育,CS能促进PAs均衡发育,术后肺动脉血流越多越利于PAs发育。(本文来源于《南方医科大学》期刊2019-05-09）
关梦珊[4]（2019）在《老年患者动态血压对比诊室血压的10年死亡风险预测研究》一文中研究指出研究背景动态血压对预后影响的证据主要来自于普通人群的研究和一些相对年轻患者的临床调查,此外,白大衣性未控制高血压(WCUH)和隐匿性未控制高血压(MUCH)在老年人中很常见,在这个亚群中高血压分型对死亡预后作用没有完全确定。研究目的1.对比老年患者诊室血压和动态血压的10年死亡风险之间的关系2.基于最强预测价值的血压参数构建死亡风险预测模型nomogram图3.老年高血压患者经治疗后白大衣性和隐匿性高血压的10年死亡风险分析研究方法1.为对比研究老年患者诊室血压和动态血压的10年死亡风险之间的关系、构建死亡风险预测模型nomogram列线图,本研究设计《老年心血管疾病及危险因素调查表》,对2003-2008年间在南部战区总医院住院并完成24h动态血压和诊室血压监测老年患者进行调查,记录一般资料、体格检查及实验室检查结果,取得完整血压资料并符合纳入标准的65岁以上的有795人,均为男性。用Cox回归模型进行分析各血压参数的死亡风险,根据临床和24小时动态血压以及混杂因素进行调整。分别纳入年龄,BMI,吸烟,饮酒,糖尿病病史,心肌梗死病史,脑卒中病史,慢性心力衰竭病史,他汀类药物,降压药数量,TC,LDL-C,HDL-C等13个传统危险因素及诊室血压或动态血压参数为预测因子,采用nomogram图构建死亡预测模型,根据时间依赖的AUC曲线拟合图和C指数评估模型10年风险的区分度、根据Calibration curve(校准曲线)评估校准度、临床决策曲线分析(Decision Curve Analysis,DCA)评估临床效用,并采用重采样resampling(bootstrap)1000次的方法对模型进行内部验证。2.为研究老年高血压患者经治疗后白大衣性和隐匿性高血压的10年死亡风险,选取第一部分人群中的611名高血压患者为研究对象,根据诊室和24h动态血压数据分为以下几类:已控制高血压(CH)定义为诊室血压<140/90mmHg和24h动态血压<130/80mmHg;MUCH定义为诊室血压<140/90mmHg和24h动态血压≥130和/或≥80mmHg;WCUH定义为诊室血压≥140和/或≥90mmHg和24h动态血压<130/80mmHg;持续性高血压(SUCH)定义为诊室血压≥140和/或≥90mmHg和24h动态血压≥130和/或≥80mmHg。用Cox回归模型进行分析,根据临床混杂因素进行调整。结果1.在平均10年的随访时间中,发生了241起全因死亡事件。在包括24h动态和诊室血压参数的模型中,24h平均收缩压与全因死亡率有更强的相关性(血压每增加1-SD,HR 1.13,95%CI 1.02-1.33,P=0.019,经诊室血压调整后)对比诊室收缩压(HR 1.06;95%CI1.01-1.26,P=0.046,经调整24小时血压后)。夜间动态收缩压每增加1-SD的相应危险比为1.18(95%CI 1.03-1.51,P=0.02,经诊室和日间血压调整后),日间动态收缩压为0.97(95%CI 0.75-1.26,P=0.85,经诊室和夜间血压调整后)。2.以夜间动态血压及各心血管危险因素构建预测模型nomogram,时间依赖的AUC曲线拟合图随月份的增加而较稳定从0.782增长至0.796、C指数0.7311(95%CI 0.6974-0.7647),具有良好的区分度;校准度评价当观察到的死亡事件发生率10%-30%时,预测与实际风险值一致;夜间血压预测模型临床决策曲线分析存在明显的净获益。1000次重采样后的完整模型AUC=0.777,和构建模型无明显区别,仍具有良好的预测价值。3.在经降压治疗老年高血压人群中,发现MUCH患者127例(占总人群20.79%)和59例WCUH患者(占总人群9.66%)。在平均10年的随访期间,总共发生了192起全因死亡事件。年龄每增加一个单位,发生隐匿性未控制高血压风险增加64%(OR 1.64,95%CI 1.05-2.56,P=0.0290),夜间收缩压每增加一个单位,发生隐匿性未控制高血压风险的风险增加4%(OR 1.04,95%CI 1.02-1.06,P<0.0001);随着夜间收缩压的增加,白大衣性未控制高血压的发生风险下降4%(OR0.96,95%CI 0.93-0.99,P=0.0108)。4.在分层分析各危险因素对高血压分型与全因死亡的影响作用时,发现他汀药物服用史存在显着的交互作用(P interation=0.0234)。在对各种协变量进行调整后,对比已控制高血压,MUCH与全因死亡率更显着相关(HR 1.56,95%CI 1.04-2.35,P=0.032),WCUH具有预后不良的趋势。结论1.与诊室血压相比,动态血压更能预测10年死亡风险,夜间血压预测能力尤佳。2.以夜间动态血压构建预测模型nomogram图具有良好的区分度、校准度、临床有效性,具有较好的预测价值。3.隐匿性未控制高血压随年龄增长其发生率增加;夜间收缩压增高为MUCH的独立危险因素。白大衣性未控制高血压的发生率与夜间收缩压相关。4.对比已控制高血压,隐匿性未控制高血压显着增加老年高血压患者56%的死亡风险。(本文来源于《广东药科大学》期刊2019-03-15）
祁海晖,杨伊林,赵卫祥,董博,毛宇敏[5]（2019）在《高血压基底节区出血合并脑疝患者开颅术后短期死亡风险预测》一文中研究指出目的探讨影响高血压基底节区出血合并脑疝患者开颅手术治疗后短期死亡的术前因素。方法回顾性分析2014年10月—2017年10月苏州大学附属第叁医院神经外科行开颅血肿清除联合去骨瓣减压术的41例高血压基底节区出血合并脑疝患者的临床资料。根据患者术后30 d预后分为生存组及死亡组。比较两组患者的年龄、性别、术前平均动脉压、手术时间、术前GCS评分、出血量、中线偏移程度、血肿形态、脑室出血、双瞳散大的比率。将单因素分析中有统计学意义的指标引入多元Logistic回归模型,分析影响患者30 d内死亡的术前危险因素。结果本组患者中,术后30 d死亡18例(43. 9%),存活23例。两组患者的年龄、性别、出血侧别、血肿量及手术时机比较,差异均无统计学意义(均P> 0. 05);而术前GCS评分≤5分、双侧瞳孔散大、血肿形态不规则、中线移位显着及脑室严重出血比率的差异均有统计学意义(P <0. 05～0. 005)。多因素Logistic回归性分析示,GCS评分≤5分(OR=50. 345,95%CI 1. 543～1 642. 595,P=0. 028)和血肿形态不规则(OR=0. 009,95%CI 0. 00～0. 458,P=0. 019)是影响患者术后30 d内死亡的术前危险因素。结论术前GCS评分≤5分及血肿形态不规则是高血压脑出血合并脑疝患者术后短期死亡的独立危险因素。(本文来源于《临床神经外科杂志》期刊2019年01期）
刘艳玲[6]（2018）在《胆红素系统检测在老年心力衰竭(心衰)患者死亡风险预测中的应用价值》一文中研究指出目的了解老年心力衰竭患者接受胆红素系统检测后对其死亡风险的临床预测价值。方法取笔者所在医院心内科2014年7月至2016年7月诊疗年龄在50岁以上的老年心力衰竭患者为分析对象,共118例,对患者进行随访并以其死亡作为随访的终点。通过对患者相关临床数据进行回顾性分析并了解胆红素系统检测手段在对此类疾病死亡风险预测的临床价值。结果其中有37例患者出现死亡,平均随访时间为43个月。对患者进行单因素分析后提示心衰患者死亡风险提升的相关影响因素包括总胆红素(Tbil)、尿酸、肌酐、血钠、血红蛋白(P<0.05);对影响因素进行校正后提示总胆红素、血红蛋白、尿酸和心衰患者的死亡存在独立联系,而血红蛋白浓度与总胆红素指标明显异常均可作为对心衰患者死亡预测的独立因素。结论心力衰竭患者死亡概率受到了血红蛋白浓度、尿酸、总胆红素水平的影响,而总胆红素水平的提升、血红蛋白浓度下降均可作为心衰患者死亡风险的独立预测因素,值得重视。(本文来源于《智慧健康》期刊2018年32期）
蔺轲,林瑜,孔桂兰[7]（2018）在《基于XGBoost算法的ICU脓毒症患者住院死亡风险预测研究》一文中研究指出目的使用XGBoost算法开发加强监护病房(ICU)中脓毒症患者住院死亡风险的预测模型。方法使用美国大型重症数据库MIMIC-Ⅲ作为数据来源;根据2016年发布的第叁版脓毒症诊断和定义标准,选取数据库中的脓毒症患者,提取其生命体征、实验室检查等数据;使用XGBoost开发模型,并比较其与SVM模、SAPS-Ⅱ模型的预测性能。结果共纳入10487例脓毒症患者,住院死亡率20.80%。XGBoost模型的受试者工作特征曲线下面积(AUROC)为0.836 (95%置信区间:0.819-0.853),优于SVM模型和SAPS-Ⅱ模型。Hosmer–Lemeshow检验显示,XGBoost模型拥有优秀的校准度。结论基于XGBoost的ICU脓毒症患者住院死亡风险预测模型能准确地辅助临床医生进行风险预测,从而采取合适的临床干预以降低ICU脓毒症患者的死亡率。(本文来源于《中国卫生信息管理杂志》期刊2018年05期）
周璐平[8]（2018）在《建立中国大陆地区多中心ESRD患者血液透析后3年死亡风险预测公式》一文中研究指出目的:通过统计学方法整合影响血液透析患者预后的因素,建立ESRD患者血液透析后3年内死亡风险预测公式。方法:本研究数据来自全国多中心回顾性队列研究,自2009年1月1日至2014年12月31日新导入的血液透析患者患者,收集人口学资料及临床资料,经过筛选最终1674人纳入研究队列,并从开始透析起随访3年,终点事件是全因死亡。以2009年1月1日至2012年12月31日开始(本文来源于《中国中西医结合学会肾脏疾病专业委员会2018年学术年会论文摘要汇编》期刊2018-10-11）
陈亮,韩秀迪,邢西迁,朱晓莉[9]（2018）在《甲型流感社区获得性肺炎死亡风险预测模型的建立》一文中研究指出目的探索一种预测甲型流感社区获得性肺炎30天死亡风险的模型。方法进行多中心回顾研究分析178例甲型流感社区获得性肺炎,包括存活组144例和死亡组34例的病例资料。采用受试者工作特征(ROC)曲线评价各评分系统对甲型流感社区获得性肺炎30天死亡风险的预测能力。结果甲型流感社区获得性肺炎30天病死率19.1%。肺炎严重度指数(PSI)Ⅰ～Ⅱ和社区获得性肺炎CURB-65评分0～1分的实际病死率分别为14.5%和15.7%,远高于预测病死率。Logistic回归分析证实血尿素氮>7 mmol/L、白蛋白<35 g/L和外周血淋巴细胞<0.7×10~9/L是30天死亡的独立危险因素。以血尿素氮>7 mmol/L(U)+白蛋白<35 g/L(A)+外周血淋巴细胞<0.7×10~9/L(L)组合的UAL作为模型预测甲型流感社区获得性肺炎30天死亡风险,其ROC曲线下面积(AUC)为0.891,高于CURB-65评分(AUC=0.777,P=0.008 3)、CRB-65评分(AUC=0.590,P<0.000 1)、PSI分级(AUC=0.568,P=0.000 1)。结论 UAL可作为一种可靠的模型用以预测甲型流感社区获得性肺炎30天死亡风险。(本文来源于《中国呼吸与危重监护杂志》期刊2018年05期）
林青,刘宝宏,吴献豪,李治民,刘秀凤[10]（2018）在《胆红素系统检测在老年心力衰竭患者死亡风险预测中的价值》一文中研究指出目的探讨胆红素系统检测在老年心力衰竭(心衰)患者死亡风险预测中的应用价值。方法选择2013年11月~2015年11月于上海市同仁医院心血管内科收治的慢性心力衰竭患者50例(心衰组),同期选取体检健康人群40例为对照组,比较两组受试者的B型脑利钠肽前体(NT-proBNP)、左心室舒张末期内径(LVEDD)、左室射血分数(LVEF)、总胆红素、间接胆红素、直接胆红素水平。心衰组患者以全因死亡为终点事件,随访2年。应用受试者工作特征曲线(ROC)计算确定与死亡率相关的胆红素切点值,依据切点值将50例心衰组患者分为胆红素水平正常组和胆红素水平升高组两个亚组。比较两亚组的生存率,分析胆红素与临床指标的相关性以及对心衰患者全因死亡的预测价值。结果心衰组患者的NT-proBNP、总胆红素、间接胆红素、直接胆红素水平高于对照组,LVEDD大于对照组,LVEF低于对照组,差异均有统计学意义(P<0.05);ROC曲线计算与死亡率相关的总胆红素、间接胆红素及直接胆红素切点值分别为23.50μmol/L、17.69μmol/L及4.60μmol/L,Kaplan-Meier生存曲线分析显示,总胆红素、间接胆红素、直接胆红素水平升高均可增加心衰患者的死亡风险。经Spearman相关性分析显示,总胆红素、间接胆红素及直接胆红素水平均与NT-proBNP、尿酸(UA)呈正相关(P<0.05);与LVEF呈负相关(P<0.05)。在考虑到年龄、性别、肾功能、肝功能及血脂等因素后,总胆红素对心衰患者全因死亡仍有独立预测价值(P<0.01)。结论胆红素与心衰患者全因死亡独立相关,胆红素系统水平的升高是心衰患者全因死亡的独立预测因素。(本文来源于《中国循证心血管医学杂志》期刊2018年08期）
死亡风险预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着医疗数据供应的迅速增长,预后系统变得越来越复杂和准确,重症监护室尤其如此。重症监护室是重症病人和危重术后患者的聚集地,目前临床使用的典型ICU预后系统通常使用生理和人口统计数据方法,这些系统主要用于风险调整,而没有过多关注具体患者的病情发展预测。然而,过去十年中,人们对医疗数据的使用兴趣显着增加,利用大型数据集对特定患者病情预测的需求越来越多,随着大数据分析与机器学习方法的兴起,医疗领域与机器学习知识结合已成为ICU患者死亡风险预测问题新的解决思路。目前多数利用机器学习方法的预测模型都专注于训练和改进机器学习算法,通常忽略了数据的分析和处理。由于监护设备的丰富性和复杂性,ICU数据往往存在维度高、采样时间和次数不确定、类别不平衡、数据缺失等问题,这些数据问题往往会影响预测模型性能,因此对原始数据的预处理和特征提取工作对于预测模型来说是不可缺少的。本次研究着重于ICU数据的分析、特征提取和筛选,并采用决策树、随机森林和XGBoost叁种机器学习方法建立预测模型,探索各种特征值组合对不同机器学习算法预测模型的影响。本文的主要研究内容分为以下几部分:首先,对研究所使用的ICU数据集进行整体分析,统计样本集中类别分布情况,计算各特征值平均采样次数、缺失率和分布特征等统计学特性,分析这些统计学特性对于分类结果的影响,根据样本特性选择适合的机器学习方法和模型预测结果评价指标。其次,分别对非时间序列特征和时间序列特征进行特征提取,对于心率、血压、呼吸频率等采样次数较多的时间序列特征,根据其生理学意义,提出保留原始点的非均匀插值方法和昼夜分割、差分、反馈系数叁种特征值提取方法,并根据单个特征值AUC得分对特征值进行排序和筛选。然后,针对样本集不均衡问题,使用XGBoost算法构建预测模型,设计实验对比五种重采样方法,确定最适合本研究数据集的重采样方法,并将该方法应用于后续研究中。最后,设计实验对比五种特征值组合和叁种机器学习方法,实验发现选用基本特征提取方法得到的全部特征值加abs(AUC-0.5)>0.05的时序方法特征值,训练集使用多次随机欠采样方法进行重采样,分类方法选用XGBoost算法时,模型预测结果最好,测试集B上AUC得分为0.856,S1得分为0.509,测试集C上AUC得分为0.853,S1得分为0.516。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
死亡风险预测论文参考文献
[1].虎磐,刘晓莉,毛智,张渊,康红军.基于集成机器学习的ICU老年多器官功能不全早期死亡风险预测模型[J].解放军医学院学报.2019
[2].许侨洋.基于特征提取的ICU患者死亡风险预测研究[D].南京大学.2019
[3].程维琴.多层螺旋CT在中央分流术后死亡风险预测及肺动脉发育评估中的价值[D].南方医科大学.2019
[4].关梦珊.老年患者动态血压对比诊室血压的10年死亡风险预测研究[D].广东药科大学.2019
[5].祁海晖,杨伊林,赵卫祥,董博,毛宇敏.高血压基底节区出血合并脑疝患者开颅术后短期死亡风险预测[J].临床神经外科杂志.2019
[6].刘艳玲.胆红素系统检测在老年心力衰竭(心衰)患者死亡风险预测中的应用价值[J].智慧健康.2018
[7].蔺轲,林瑜,孔桂兰.基于XGBoost算法的ICU脓毒症患者住院死亡风险预测研究[J].中国卫生信息管理杂志.2018
[8].周璐平.建立中国大陆地区多中心ESRD患者血液透析后3年死亡风险预测公式[C].中国中西医结合学会肾脏疾病专业委员会2018年学术年会论文摘要汇编.2018
[9].陈亮,韩秀迪,邢西迁,朱晓莉.甲型流感社区获得性肺炎死亡风险预测模型的建立[J].中国呼吸与危重监护杂志.2018
[10].林青,刘宝宏,吴献豪,李治民,刘秀凤.胆红素系统检测在老年心力衰竭患者死亡风险预测中的价值[J].中国循证心血管医学杂志.2018
标签：老年多器官功能不全; MIMIC-Ⅲ数据库; 医疗大数据; 机器学习;