利用MIMIC-IV資料庫進行全身性紅斑狼瘡死亡風險分析

背景：全身性紅斑狼瘡(SLE)這一慢性自體免疫疾病的多樣性表現，範圍從輕微皮膚病變到重大的器官衰竭和產科併發症。SLE對年輕女性的影響尤為顯著，且她們面臨的死亡風險遠高於其他人群。本研究開發了一種新的模型來預測SLE患者的死亡風險，突顯出早期識別這些風險以制定更精準評估，促進疾病的管理。

方法：本研究中使用的資料取自 MIMIC-IV資料庫，截取其中診斷碼(包含主診與次診斷碼)為ICD-9-CM編碼系統中710.0及ICD-10-CM M32作為主要分析對象。從資料庫中提取以下資料：年齡、性別、生存狀態、入院類型、入院和出院日期和實驗室結果，利用機器學習算法進行模型建立和比較。應用了樸素貝葉斯(Naive Bayes)、隨機森林(Random Forest)、支持向量機(Support Vector Machine)和極限梯度提升(XGBoost)等方法進行了模型效能分析。

結果：本研究透過MIMIC-IV 資料庫分析出SLE患者的死亡風險與多個臨床變量有關，其中住院時間、pH值和動脈血氧濃度是影響SLE患者死亡風險預測的關鍵指標。此外，SHAP值方法的應用提高了模型的可解釋性，幫助識別和解釋影響SLE患者死亡的主要因素。

結論：本研究利用MIMIC-IV資料庫，藉由機器學習而分析SLE患者的死亡風險相關的重要特徵，但需要在進行進一步的外部驗證。