用于评估 ICU 脓毒症预测中插补策略的警报列表一致性

arXiv:2610.22635v1 公告类型：新 摘要：预处理是临床预测中一个被低估的可靠性风险：模型可以保持相近的 AUROC，却仍然改变哪些患者会收到警报。插补质量通常通过重构误差或总体判别能力进行评估，但这两者都无法直接衡量在标记哪些患者方面的一致性。在警报率匹配的情况下，总体性能相近的流程可能产生不同的患者列表。这个问题在真实 ICU 记录中频繁出现的结构化缺失情形下尤为重要。因此，我们提出警报列表一致性这一指标，用于考察两个流程是否识别出相同的高风险患者；该指标通过两个流程各自前 k% 警报集合的 Jaccard 相似度进行衡量，并计算患者级 bootstrap 置信区间。在 PhysioNet/CinC 2019 数据集上（40,336 名患者，缺失率为 71.9%），我们使用固定的 XGBoost 配置，分别针对每种策略进行拟合和 Platt 校准，对比了九种插补策略和一个原生缺失基线。经过 Bonferroni 校正后，28 个重构方法两两比较中的 22 对在患者级 AUROC 上没有表现出统计显著差异，但其警报列表的 Jaccard 重叠度介于 0.518 至 0.750 之间。因此，总体判别能力相近可能伴随着不同的患者选择。ForwardFill 是一个独立的异常值：它具有更高的判别能力，但在矩阵中的重叠度最低，为 0.40 至 0.45。在每个医院系统内部以及采用六种患者级聚合规则时，这一总体模式仍然成立。在行级别，十种方法中的八种 AUROC 差异落在 0.011 的范围内。在这一行级流程中，深度插补器在判别能力方面并未优于均值插补；在我们的硬件上，顺序式实现的整个流程墙钟时间成本是均值插补的 5 至 12 倍。