Detection of sepsis during emergency department triage using machine learning

要約

タイトル：機械学習を用いた緊急治療室トリアージにおける敗血症の検出

要約：
– 敗血症は臓器障害を伴う致命的な状態であり、世界的に死亡と重症疾患の主要な原因の1つである。敗血症の治療に遅れがあるとわずか数時間でも死亡率が上がる。緊急治療室トリアージにおいて早期検出が行われると、検査、抗生物質投与、その他の敗血症治療プロトコルを早期に開始することができる。
– この研究の目的は、EHRトリアージデータによる機械学習アルゴリズムと標準的な敗血症スクリーニングアルゴリズム（感染源を持つSIRS）のEDトリアージでの敗血症検出性能を比較することである。16の病院のトリアージデータを使用して、患者エンカウンターからKATE Sepsisと呼ばれる機械学習モデルが開発された。成人の512,949の医療記録を対象に、KATE Sepsisと標準的なスクリーニングの評価が行われた。
– KATE Sepsisは、感度71.09％（70.12％-71.98％）と特異度94.81％（94.75％-94.87％）を有し、AUCは0.9423（0.9401-0.9441）であった。標準的なスクリーニングは、感度が40.8％（39.71％-41.86％）で特異度が95.72％（95.68％-95.78％）であり、AUCは0.6826（0.6774-0.6878）であった。KATE Sepsisモデルは、重症敗血症の検出において77.67％（75.78％-79.42％）の感度を示し、敗血性ショックの検出において86.95％（84.2％-88.81％）の感度を示した。標準的なスクリーニングプロトコルは、重症敗血症の検出において43.06％（41％-45.87％）の感度を示し、敗血性ショックの検出において40％（36.55％-43.26％）の感度を示した。
– 将来の研究は、KATE Sepsisが抗生物質の投与、再入院率、罹患率、死亡率に与える影響に焦点を当てる必要がある。

要約(オリジナル)

Sepsis is a life-threatening condition with organ dysfunction and is a leading cause of death and critical illness worldwide. Even a few hours of delay in the treatment of sepsis results in increased mortality. Early detection of sepsis during emergency department triage would allow early initiation of lab analysis, antibiotic administration, and other sepsis treatment protocols. The purpose of this study was to compare sepsis detection performance at ED triage (prior to the use of laboratory diagnostics) of the standard sepsis screening algorithm (SIRS with source of infection) and a machine learning algorithm trained on EHR triage data. A machine learning model (KATE Sepsis) was developed using patient encounters with triage data from 16participating hospitals. KATE Sepsis and standard screening were retrospectively evaluated on the adult population of 512,949 medical records. KATE Sepsis demonstrates an AUC of 0.9423 (0.9401 – 0.9441) with sensitivity of 71.09% (70.12% – 71.98%) and specificity of 94.81% (94.75% – 94.87%). Standard screening demonstrates an AUC of 0.6826 (0.6774 – 0.6878) with sensitivity of 40.8% (39.71% – 41.86%) and specificity of95.72% (95.68% – 95.78%). The KATE Sepsis model trained to detect sepsis demonstrates 77.67% (75.78% -79.42%) sensitivity in detecting severe sepsis and 86.95% (84.2% – 88.81%) sensitivity in detecting septic shock. The standard screening protocol demonstrates 43.06% (41% – 45.87%) sensitivity in detecting severe sepsis and40% (36.55% – 43.26%) sensitivity in detecting septic shock. Future research should focus on the prospective impact of KATE Sepsis on administration of antibiotics, readmission rate, morbidity and mortality.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI