ICU 中的机器学习：预测血流感染的死亡率（ICU：重症监护室） (ICU)

碳青霉烯类是用于治疗多重耐药革兰氏阴性病原体引起的严重感染的最后手段抗生素之一。 过去十年来，耐碳青霉烯类革兰氏阴性杆菌（CR-GNB）感染已变得普遍，对公众健康构成严重威胁。 耐碳青霉烯类肠杆菌科（CRE）、耐碳青霉烯类鲍曼不动杆菌（CRAB）和耐碳青霉烯类铜绿假单胞菌（CRPA）位居全球抗生素耐药细菌的优先名单之列。 CR-GNB 引起广泛的感染，包括菌血症、尿路感染、肺炎和腹内感染。 碳青霉烯类耐药性血流感染是发病和死亡的重要原因，治疗选择极其有限。 通过评估重症监护病房监测的患者的危险因素，可以预测预后的评分系统可确保早期应用有效的抗生素和及时使用目前使用的血流动力学支持，从而降低死亡风险。

随着大数据的积累和数据存储技术的进步，已经进入我们生活的创新实用的机器学习方法在医疗领域展现出了良好的预测性能。 文献中提供了基于机器学习的模型，用于预测重症监护病房监测的患者的死亡率，并为患者的早期干预提供了机会。

使用我们自己的患者数据，在重症监护病房中，将在两个亚组中对血流感染患者（无论是否死亡）进行回顾性检查以进行比较。 我们的目标是通过基于机器学习的模型来预测碳青霉烯类耐药革兰氏阴性杆菌血流感染中可能发生的死亡率。