研究流程
回顾性队列1,696例，按7:3划分训练集与内部验证集；前瞻性队列233例用于外部验证。
CLINICAL RESEARCH PLATFORM
儿童重症肺炎支原体肺炎
早期风险评估研究
基于机器学习构建的SMPP风险分层模型，为临床研究提供可解释的风险评估证据。
1,696回顾性队列
233前瞻性验证队列
0.934内部验证集 AUC
0.841前瞻性队列 AUC
STUDY OVERVIEW
面向临床研究的风险分层模型
本研究纳入儿童肺炎支原体肺炎患者，比较多种独立算法及集成模型的判别性能，并以随机森林与XGBoost构成的Stacking模型作为最终模型。
模型表现
内部验证集AUC为0.934（95% CI 0.920–0.949）；前瞻性队列AUC为0.841（95% CI 0.786–0.887）。
特征组成
模型整合碎片征、肺部超声评分、发热时长、年龄及炎症/血液学指标等12项变量。
MODEL PERFORMANCE
稳定的内部验证与前瞻性验证表现
内部验证集0.934
AUC（95% CI 0.920–0.949）
前瞻性验证队列0.841
AUC（95% CI 0.786–0.887）
最佳阈值0.497
用于研究性风险分层
在前瞻性队列中，Stacking模型的Brier评分为0.167，低于RF模型的0.206；但两种模型的Hosmer–Lemeshow检验均提示仍存在校准偏差。
RESPONSIBLE USE
研究工具，不替代临床决策
本平台用于展示已完成的研究结果。线上公开版本不提供患者级自动预测，也不收集、存储或传输任何患者健康信息。