文献学习—ARDS表型分类的开发和验证

文献1：

DOI: 10.1016/S2213-2600(19)30369-8，PMID: 31948926

文献2：

DOI: 10.1164/rccm.202002-0347OC，PMID: 32551817

这两篇文章是关于识别急性呼吸窘迫综合征表型的研究。

数据来源：两个研究数据均来自随机对照实验，部分作为训练部分作为验证。

研究方法：

文献1：Machine-learning algorithms (random forest, bootstrapped aggregating, and least absolute shrinkage and selection operator) were used to select a maximum of six important classifier variables, which were then used to develop nested logistic regression models. 

文献2：A gradient-boosted machine algorithm was used to develop classifier models using 24 variables (demographics, vital signs, laboratory, and respiratory variables) at enrollment. 

文献1是利用不同方法筛选出最重要的变量然后预测ARDS表型，文献2是纳入收集的所有变量使用 XGBoost模型进行预测。

研究结果：

文献1：可以使用三个或四个变量，通过简约分类器模型准确识别ARDS表型。在开发关键生物标志物的实时测试和前瞻性验证之前，这些模型可以促进ARDS表型的鉴定，使其能够应用于临床试验和实践。

文献2：基于易得的临床数据，可以使用机器学习模型准确识别ARDS表型，并且可以在床头快速识别表型。

训练数据集中最重要的十个变量。

验证队列(validation cohor)中四组分类器模型的ROC曲线。