在医疗电子信息化进程不断推进的背景下,麻省理工学院联合贝斯以色列女执事医疗中心共同开发了重症监护医疗信息(Medical Information Mart for Intensive Care,MIMIC)数据库,旨在整合重症监护病房临床数据,促进医疗研究与跨学科合作。M...在医疗电子信息化进程不断推进的背景下,麻省理工学院联合贝斯以色列女执事医疗中心共同开发了重症监护医疗信息(Medical Information Mart for Intensive Care,MIMIC)数据库,旨在整合重症监护病房临床数据,促进医疗研究与跨学科合作。MIMIC数据库已历经多个版本迭代,各版本在数据量、时间范围、来源等方面持续优化,其包含多种数据结构和类型,支持基础统计、统计推断、机器学习及多模态整合等多样化分析方法。MIMIC数据库具备真实可靠的数据来源和丰富完整的内容,但仍存在数据缺失、时间精度不一致、系统变更兼容性及潜在偏倚等问题,需谨慎对待。其全球影响力体现在医学研究、医疗改进、国际合作、信息化发展及重症医学进步等多方面。未来,数据隐私保护和质量控制仍是MIMIC数据库重要的发展方向。本文通过梳理MIMIC数据库的发展历程与版本迭代,分析其数据质量和潜在偏倚,探讨其全球影响力,为科研人员快速了解MIMIC数据库提供参考。展开更多
重症监护医学信息数据库(Medical Information Mart for Intensive Care,MIMIC)汇聚贝斯以色列女执事医疗中心(Beth Israel Deaconess Medical Center,BIDMC)重症监护病房(intensive care unit,ICU)近二十年医疗记录,涵盖多维度数据,对...重症监护医学信息数据库(Medical Information Mart for Intensive Care,MIMIC)汇聚贝斯以色列女执事医疗中心(Beth Israel Deaconess Medical Center,BIDMC)重症监护病房(intensive care unit,ICU)近二十年医疗记录,涵盖多维度数据,对医学研究、临床决策及医疗管理意义重大。本文系统介绍了MIMIC-IV包含的模块、数据类型、数据关联方式,并解析了主要数据表。MIMIC数据库采用严格的隐私保护和伦理审查机制,确保患者数据匿名化及研究使用的合规性,从而有效保护患者隐私并支持科学研究。未来可通过多中心数据融合、结合人工智能(artificial intelligence,AI)技术、跨领域数据融合等方式,进一步提升MIMIC数据库的应用价值。展开更多
目的构建并验证急性缺血性脑卒中(acute ischemic stroke,AIS)静脉溶栓后出血转化(hemorrhagic transformation,HT)风险预测模型。方法回顾性分析2008年1月—2021年11月美国重症监护医学信息(medical information mart for intensive c...目的构建并验证急性缺血性脑卒中(acute ischemic stroke,AIS)静脉溶栓后出血转化(hemorrhagic transformation,HT)风险预测模型。方法回顾性分析2008年1月—2021年11月美国重症监护医学信息(medical information mart for intensive careⅣ,MIMIC-Ⅳ)数据库中收录的AIS静脉溶栓患者全病程中的生理和临床信息,挖掘样本的向量化特征,单因素分析找出溶栓后HT的高危因素,采用多种机器学习算法构建溶栓后HT风险预测模型,并采用受试者工作特征ROC曲线对预测模型进行检验。结果本研究共纳入910例AIS静脉溶栓患者。单因素分析结果显示:既往病史(房颤、糖尿病、脑梗、无氯吡格雷服药史)、年龄、卒中溶栓时间(door-to-needle,DNT)、无创收缩压、无创舒张压、平均血压、氧流量、肌酸酐、尿素氮、尿比重、尿液pH、天冬氨酸氨基转移酶、乳酸脱氢酶、碱性磷酸盐、白蛋白含量、红细胞、红细胞压积、红细胞平均分布宽度、红细胞分布宽度标准差、血钠浓度、钙离子、血液氯化物、凝血酶原时间(国际标准比值)、凝血酶原时间、部分凝血活酶时间差异有统计学意义(P<0.05)。通过多种机器学习算法,构建并验证预测模型的性能,得出年龄、DNT、糖尿病史、尿液pH、肌酐、白蛋白、血红蛋白、红细胞和无创收缩压10个最优因素组合下最近邻算法对溶栓后HT预测的灵敏度、特异度和准确度分别达到了0.789、0.724和0.731,预测效能较好;且该模型的ROC曲线及曲线下面积AUC值(0.74),均优于其他机器学习算法构建的预测模型。结论溶栓后HT预测模型能够优化临床资源配置,为临床医生提供较为准确的诊断和治疗决策支持,为临床护士提供针对性的护理干预指导。展开更多
文摘在医疗电子信息化进程不断推进的背景下,麻省理工学院联合贝斯以色列女执事医疗中心共同开发了重症监护医疗信息(Medical Information Mart for Intensive Care,MIMIC)数据库,旨在整合重症监护病房临床数据,促进医疗研究与跨学科合作。MIMIC数据库已历经多个版本迭代,各版本在数据量、时间范围、来源等方面持续优化,其包含多种数据结构和类型,支持基础统计、统计推断、机器学习及多模态整合等多样化分析方法。MIMIC数据库具备真实可靠的数据来源和丰富完整的内容,但仍存在数据缺失、时间精度不一致、系统变更兼容性及潜在偏倚等问题,需谨慎对待。其全球影响力体现在医学研究、医疗改进、国际合作、信息化发展及重症医学进步等多方面。未来,数据隐私保护和质量控制仍是MIMIC数据库重要的发展方向。本文通过梳理MIMIC数据库的发展历程与版本迭代,分析其数据质量和潜在偏倚,探讨其全球影响力,为科研人员快速了解MIMIC数据库提供参考。
文摘重症监护医学信息数据库(Medical Information Mart for Intensive Care,MIMIC)汇聚贝斯以色列女执事医疗中心(Beth Israel Deaconess Medical Center,BIDMC)重症监护病房(intensive care unit,ICU)近二十年医疗记录,涵盖多维度数据,对医学研究、临床决策及医疗管理意义重大。本文系统介绍了MIMIC-IV包含的模块、数据类型、数据关联方式,并解析了主要数据表。MIMIC数据库采用严格的隐私保护和伦理审查机制,确保患者数据匿名化及研究使用的合规性,从而有效保护患者隐私并支持科学研究。未来可通过多中心数据融合、结合人工智能(artificial intelligence,AI)技术、跨领域数据融合等方式,进一步提升MIMIC数据库的应用价值。
文摘目的构建并验证急性缺血性脑卒中(acute ischemic stroke,AIS)静脉溶栓后出血转化(hemorrhagic transformation,HT)风险预测模型。方法回顾性分析2008年1月—2021年11月美国重症监护医学信息(medical information mart for intensive careⅣ,MIMIC-Ⅳ)数据库中收录的AIS静脉溶栓患者全病程中的生理和临床信息,挖掘样本的向量化特征,单因素分析找出溶栓后HT的高危因素,采用多种机器学习算法构建溶栓后HT风险预测模型,并采用受试者工作特征ROC曲线对预测模型进行检验。结果本研究共纳入910例AIS静脉溶栓患者。单因素分析结果显示:既往病史(房颤、糖尿病、脑梗、无氯吡格雷服药史)、年龄、卒中溶栓时间(door-to-needle,DNT)、无创收缩压、无创舒张压、平均血压、氧流量、肌酸酐、尿素氮、尿比重、尿液pH、天冬氨酸氨基转移酶、乳酸脱氢酶、碱性磷酸盐、白蛋白含量、红细胞、红细胞压积、红细胞平均分布宽度、红细胞分布宽度标准差、血钠浓度、钙离子、血液氯化物、凝血酶原时间(国际标准比值)、凝血酶原时间、部分凝血活酶时间差异有统计学意义(P<0.05)。通过多种机器学习算法,构建并验证预测模型的性能,得出年龄、DNT、糖尿病史、尿液pH、肌酐、白蛋白、血红蛋白、红细胞和无创收缩压10个最优因素组合下最近邻算法对溶栓后HT预测的灵敏度、特异度和准确度分别达到了0.789、0.724和0.731,预测效能较好;且该模型的ROC曲线及曲线下面积AUC值(0.74),均优于其他机器学习算法构建的预测模型。结论溶栓后HT预测模型能够优化临床资源配置,为临床医生提供较为准确的诊断和治疗决策支持,为临床护士提供针对性的护理干预指导。
