Video Experimental Relacionado
Updated: May 5, 2026
Uncontrolled Hemorrhagic Shock Modeled via Liver Laceration in Mice with Real Time Hemodynamic Monitoring
Published on: May 21, 2017
Modelos basados en el aprendizaje automático para la predicción de la mortalidad hospitalaria en pacientes con
Luan Thanh Vo1, Thien Vu2,3, Thach Ngoc Pham1
1Department of Infectious Diseases, Children's Hospital No. 2, Ho Chi Minh City 700000, Viet Nam.
Los modelos de aprendizaje automático ahora pueden predecir el riesgo de mortalidad en el hospital en niños con síndrome de choque de dengue (DSS). Los predictores clave incluyen la edad, el sexo, la gravedad de la enfermedad y los valores de laboratorio, lo que ayuda a mejorar las estrategias de manejo para los pacientes pediátricos de dengue.
Área de la Ciencia:
- Medicina para cuidados intensivos pediátricos
- Aprendizaje automático en la salud
- Epidemiología de enfermedades infecciosas
Sus antecedentes:
- El dengue severo, en particular el síndrome de shock del dengue (DSS), está asociado con altas tasas de mortalidad pediátrica (1-20%).
- Actualmente faltan modelos predictivos para la mortalidad hospitalaria en el DSS pediátrico.
Objetivo del estudio:
- Desarrollar y evaluar modelos de aprendizaje automático para predecir el riesgo de mortalidad hospitalaria en niños con DSS.
Principales métodos:
- Estudio retrospectivo en un solo centro de 1278 pacientes pediátricos con DSS (2013-2022).
- Se utilizaron modelos de aprendizaje automático supervisado (regresión logística, Bayes ingenuo, RF, KNN, árbol de decisión, XGBoost) con un método de sobremostración.
- Identificó las características predictivas clave utilizando explicaciones aditivas de Shapley.
Principales resultados:
- Los modelos de Bosque Aleatorio (RF) y Gradiente Extremo (XGBoost) mostraron el mayor rendimiento predictivo.
- Los predictores significativos de mortalidad incluyeron edad más joven, sexo femenino, comorbilidades, transaminitis grave, hemorragia, bajas plaquetas, elevación del INR, lactato, creatinina, gran reanimación de fluidos y alto puntaje vasoactivo-inotrópico.
Conclusiones:
- Se desarrollaron modelos robustos de aprendizaje automático para estimar el riesgo de mortalidad en el DSS pediátrico.
- Los hallazgos pueden orientar las estrategias de manejo clínico para mejorar los resultados de supervivencia de los niños con DSS.
