重症监护病房（ICU）出院后再入院是临床中常见的现象，可作为患者安全的重要警示。然而，现有预测模型多基于静态指标，忽略了患者住院期间的动态变化。
因此，本研究开发了一个全新的机器学习模型——iREAD，用于预测患者ICU出院后48小时内再入院风险，并用公共数据库的数据进行外部验证，增强研究结果的可信度。
2025年3月，外国学者用MIMIC-IV 和eICU-CRD数据库，在期刊《eClinicalMedicine》（医学一区Top，IF=9.6）发表题为：“Multicenter validation of a machine learning model to predict intensive care unit readmission within 48 hours after discharge”的研究论文。
研究结果表明，iREAD的预测性能优于现有的预测模型，其准确率是传统模型的4倍。
在公共数据库与孟德尔随机化微信公众号后台回复“ 原文”即可获得文献PDF等资料
研究团队利用韩国首尔国立大学医院 （SNUH）2007~2021年ICU住院患者的数据，开发和验证了iREAD。同时，利用重症监护医学信息市场（MIMIC）-III和eICU 合作研究数据库（eICU-CRD）的数据，对该模型进行外部验证。
图1 研究流程
主要研究结果显示，相较于传统预测模型（如 MEWS和NEWS等）以及传统机器学习模型（如Logistic回归等），iREAD预测ICU患者出院后再入院风险的性能均更佳。
而外部验证的结果与上述一致，表明了模型的可靠性。
图2 以48小时作为阈值，内部和外部验证模型预测ICU患者出院后再入院性能的结果
同时，研究团队进一步发现，在iREAD预测的高危患者中，超过40%的ICU患者在出院后的48h内再次入院。而在NEWS等传统预测模型中，仅有约10%的概率。
这意味着，与传统预测模型相比，iREAD的预测性能提高了4倍以上。
图3 预测模型在ICU患者出院后48h内再入院的Kaplan-Meier曲线
综上所述，与传统预测模型相比，本研究开发的iREAD预测ICU患者出院后48小时内再入院的性能更佳。
亮点小结
在构建机器学习模型时，外部验证是确保模型泛化性的关键步骤，但独立数据集的收集往往耗费大量精力。然而，公共数据库的出现，为研究者提供了高效解决方案——无需重复采集数据，即可通过权威数据库完成高质量的外部验证。
像这种用公共数据库做外部验证的文章还有很多，除了本文的MIMIC数据库，还可以视数据匹配情况选择其他的公共数据库（如NHANES）。
-gqWJ.jfif)
