Predicting Outcome and Duration of Mechanical Ventilation in Acute Hypoxemic Respiratory Failure: The PREMIER Study
Notice bibliographique
Résumé
Objectives: The ability of clinicians to predict prolonged mechanical ventilation (MV) in patients with acute hypoxemic respiratory failure (AHRF) is inaccurate, mainly because of the competitive risk of mortality. We aimed to assess the performance of machine learning (ML) models for the early prediction of prolonged MV in a large cohort of patients with AHRF. Methods: We analyzed 996 ventilated AHRF patients with complete data at 48 h after diagnosis of AHRF from 1241 patients enrolled in a prospective, national epidemiological study, after excluding 245 patients ventilated for <2 days. To account for competing mortality, we used multinomial regression analysis (MNR) to model prolonged MV in three categories: (i) ICU survivors (regardless of MV duration), (ii) non-survivors ventilated for 2–7 days, (iii) non-survivors ventilated for >7 days. We performed 4 × 10-fold cross-validation to validate the performance of potent ML techniques [Multilayer Perceptron (MLP), Support Vector Machine (SVM), Random Forest (RF)] for predicting patient assignment. Results: All-cause ICU mortality was 32.8% (327/996). We identified 12 key predictors at 48 h of AHRF diagnosis: age, specific comorbidities, sequential organ failure assessment score, tidal volume, PEEP, plateau pressure, PaO2, pH, and number of organ failures. MLP showed the best predictive performance [AUC 0.86 (95%CI: 0.80–0.92) and 0.87 (0.80–0.93)], followed by MNR [AUC 0.83 (0.76–0.90) and 0.84 (0.77–0.91)], in distinguishing ICU survivors, with non-survivors ventilated 2–7 days and >7 days, respectively. Conclusions: Accounting for ICU mortality, MLP and MNR offered accurate patient-level predictions. Further work should integrate clinical and organizational factors to improve timely management and optimize outcomes. This study was initially registered on 3 February 2025 at ClinicalTrials.gov (NCT06815523).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».