重度低钠血症患者死亡率的关键预测因素：超越血钠纠正率

背景：目前低钠血症指南推荐缓慢纠正血钠；然而，近期大规模观察性研究将缓慢纠正与死亡率增加相关联。纠正率与死亡率之间的关联可能受多种因素影响，包括合并症、整体状况和治疗干预，但这种复杂的相互作用尚不清楚。我们旨在通过使用详细的临床特征开发可解释的机器学习模型来阐明这种关联。方法：我们纳入了546名血清钠≤120 mEq/l的患者，通过图表审查收集临床特征，并开发了四种机器学习模型来预测院内死亡率。通过受试者工作特征曲线下面积选择性能最佳的模型，并使用SHapley Additive exPlanations进行解释，以量化每个特征对死亡率预测的贡献。结果：院内死亡率为18%。随机森林模型表现出最佳的预测性能（ROC-AUC = 0.907；95%置信区间，0.832-0.965）。SHAP分析显示，最具影响力的预测因素是反映潜在疾病严重程度的基线特征：血清白蛋白、C反应蛋白、查尔森合并症指数和转移性恶性肿瘤；它们的预测效应在不同纠正率中是一致的。在治疗相关特征中，静脉输液选择和血钠监测频率比纠正率具有更大的预测影响。尽管较慢的纠正与较高的死亡率相关，但纠正率在所有59个特征中的预测重要性排名第14位。结论：在重度低钠血症中，存在多个超越纠正率的死亡率关键预测因素。这些发现表明，观察到的缓慢纠正与较高死亡率之间的关联可能不是因果关系，而是由潜在疾病严重程度和治疗强度驱动的附带现象。