在无需逐小时监督的情况下学习连续的脓毒症严重程度评分：一项双中心回顾性研究

当前使用的脓毒症严重程度指标依赖于数十年前确定的固定变量和权重，这些指标被粗略离散化，并针对一个已不再反映当代重症监护的队列进行了校准。目前尚无直接从患者轨迹中学习得到的替代方案在常规实践中使用。我们对来自马萨诸塞州和 Georgie 两个医院系统、符合 Sepsis-3 标准的成人患者共 29,116 例和 7,691 例进行了回顾性双队列研究。 我们使用 43 个常规记录变量，在 72 小时治疗窗口内开发了一个脓毒症指数。与以往研究不同，我们将死亡率作为治疗层面的排序信号，而不是每个状态的目标，从而允许将贡献非均匀地重新分配到各个时间步。评估在永久保留的 20% 测试集上进行，使用临床病例情景和 Spearman 相关性。通过对整位患者进行 bootstrap 重采样获得不确定性区间。在这种排序方案下，在基线 SOFA-2 的所有分层中，未存活者在 0-10 分量表上的得分比存活者高 1.19-1.64 分；在乳酸、平均动脉压（MAP）和肌酐分层中也得到类似结果。患者内该指数变化与乳酸变化相关（Spearman rho = 0.39；n = 1,854）。MAP 和肌酐也观察到类似但更弱的相关性。在队列层面，以不同站点训练的模型之间的 Spearman 相关性衡量的跨机构一致性，为同站点相关性的 70-77%。外部患者内相关性分别为 0.54 和 0.59，而上限分别为 0.92 和 0.90。我们的指数也与既有指数相关，而空白对照则保持接近零。 我们的指数显示出按小时提供的预后信息，能够有意义地区分患者结局，并且与临床预期一致，表明其有望作为补充临床判断的决策支持工具。