MIMIC 数据库近年发文趋势
▶ 关联性研究发文趋势：主要包括实验室指标、生命指征以及药物使用和结局的影响，关联性研究仍然是 MIMIC 数据库发文的主流，近年来发文量呈现增长趋势。同时近年来 MIMIC 数据库使用的实验室标志物及其复合指标也不断呈现创新趋势。这些标志物包括炎症标志物、胰岛素抵抗指标、肥胖/脂质指标、营养指标、不同药物、血糖变化、血压动态变化等，研究结局包括全因死亡（短期和长期）、合并疾病（ARDS /NOAF /AKI /谵妄等）。主要研究人群为脓毒症、心血管疾病、脑血管疾病和各类重症疾病，近年来，关联性研究后逐渐加入机器学习评估变量对结局的重要性或评估预测性能。
▶ 机器学习预测模型发文趋势：近年来机器学习的文章也逐渐增多。基本采用 Boruta 算法或者 LASSO 进行特征选择，构建了多个机器模型。根据验证组和试验组的受试者工作特征曲线下面积（AUROC）、准确性、灵敏度和特异性确定最佳模型。采用 SHapley 加性解释（SHAP）分析整体可解释性和局部可解释性。主要聚集于某重症疾病不良预后机器学习的构建，最常见的研究对象为为脓毒症、心血管疾病、脑卒中、急性胰腺炎等，不良预后主要包括死亡和 ICU 新发合并症。
MIMIC 数据库的特点与优势
特点：
-
来源于美国麻省总医院（MGH）贝斯以色列女执事医疗中心（BIDMC）的真实世界数据；
-
多模态数据融合，包括结构化数据，临床数据，影像数据等；
-
时间深度整合，从药物到生命体征等时间对齐；
-
严格伦理合规性。
优势：
-
数据量大；
-
通过 CITI 培训可免费申请；
-
跨学科通用性；
-
数据质量和深度。
MIMIC 数据库近期发表的高分文章案例
案例文章：
标题：Joint association of the triglyceride-glucose index and stress hyperglycemia ratio with incidence and mortality risks of new-onset atrial fibrillation during sepsis: a retrospective cohort study
期刊：Cardiovasc Diabetol（IF=10.6）
PMID：40176089
研究思路：
调查脓毒症期间 TyG 指数和 SHR 与院内 NOAF 的相关性。此外，评估了这两个指标与发生 NOAF 的脓毒症患者 360 天死亡风险之间的关联。重要的是，分析了 TyG 指数和 SHR 在预测发生 NOAF 的脓毒症患者 360 天死亡风险方面的联合关联。
这是第一项构建模型来预测 NOAF 脓毒症患者出院后死亡风险的研究。研究结果表明，TyG 指数升高和 SHR 升高的患者在脓毒症期间表现出较高的 NOAF 发病率和 360 天死亡风险。值得注意的是，TyG 指数-SHR 组合对 360 天死亡率的预测能力优于单独的 TyG 指数或 SHR。了解 TyG 和 SHR 的协同关联有助于临床医生识别发生 NOAF 和不良结局风险较高的脓毒症患者。
统计方法：logistic 回归、COX 回归、KM 生存曲线、联合效应、ROC、校准曲线和决策曲线、亚组分析、LASSO 回归、机器学习。
案例文章：
标题：Predictive value of hematologic indices on weaning from mechanical ventilation and 30-day mortality in patients with traumatic brain injury in an intensive care unit: A retrospective analysis of MIMIC-IV data
期刊：Neurotherapeutics（IF=5.6）
PMID：40011133
研究思路：强调了 NLR 、 PLR 和 GLR 等血液学指标在预测 ICU 中需要机械通气的 TBI 患者预后的重要作用。具体来说，较高的 PLR 和 GLR 值与机械通气成功脱机的可能性降低相关，而 NLR 升高与 30 天死亡风险增加相关。NLR 的预后价值可能归因于其作为全身炎症和免疫失调指标的作用，这些指标会导致危重患者的继发性脑损伤和多器官功能障碍。这些发现强调了这些指数作为 ICU 环境中早期分层工具的潜力，从而能够及时识别不良结局风险较高的患者。将这些标志物纳入常规评估可能有助于个体化治疗策略，优化资源分配，并改善 TBI 管理急性期的临床决策。未来的研究应侧重于在更大的多中心队列中验证这些发现，以加强其适用性。此外，需要进一步研究来探索这些血液学指标与 TBI 患者的神经炎症、免疫失调和呼吸功能之间的机制联系，这可能为它们的预后意义提供更深入的见解。
评论列表