摘要

早期医院死亡率预测对于重症监护病房（ICU）中的重症患者来说至关重要，因为重症医学专家需要高效地做出医疗决策。为此，已经开发了多种基于临床记录的方法来解决这一问题。然而，某些实验室检测结果耗时较长且需要处理。在本文中，我们提出了一种新颖的方法，利用患者入院第一小时内的心电信号特征来预测死亡率。为了评估风险，根据ICU患者的心率信号计算了定量特征。每个信号通过12个统计学和信号基础特征进行描述。提取的特征被输入到八个分类器中：决策树、线性判别分析、逻辑回归、支持向量机（SVM）、随机森林、提升树、高斯支持向量机（Gaussian SVM）和K近邻算法（K-NN）。为了深入了解所提方法的性能，使用著名的临床数据集——重症监护医学信息市场III（Medical Information Mart for Intensive Care III, MIMIC-III）进行了多项实验。实验结果显示，该方法在精确度、召回率、F1分数和受试者工作特征曲线下的面积（AUC）方面表现出色。其中，决策树分类器在准确性和可解释性方面优于其他分类器，分别达到了0.91的F1分数和0.93的AUC值。这表明心率信号可以用于预测ICU患者的死亡率，并且其性能与依赖于高维临床记录特征的现有预测方法相当，而这些记录特征需要处理且可能包含缺失信息。