デング熱ショック症候群患者の入院死亡率を予測するための機械学習ベースのモデル

科学分野:

• 小児重症治療薬
• 医療における機械学習
• 感染症の疫学

背景:

• 深刻なデング熱,特にデング熱ショック症候群 (DSS) は,高い小児死亡率 (1-20%) と関連しています.
• 現在,小児DSSにおける入院死亡率の予測モデルは不足しています.

研究 の 目的:

• DSSの子供の入院死亡リスクを予測するための機械学習モデルを開発し評価する.

主な方法:

• 1278人の小児DSS患者 (2013年−2022年) を対象とした単一センターの遡及研究.
• オーバーサンプリング法による監督機械学習モデル (ロジスティック・リグレッション,ナイヴ・ベイズ,RF,KNN,ディシジョン・ツリー,XGBoost) を利用した.
• シェープリー・アドティブ・エクスプリネーションを用いて 重要な予測特性を特定した.

主要な成果:

• ランダムフォレスト (RF) と エクストリーム・グラデント・ブースト (XGBoost) モデルは最高な予測性能を示した.
• 死亡率の有意な予測要因には,若い年齢,女性の性別,併発症,重度のトランスアミニチス,出血,低血小板,高INR,乳酸,クレアチニン,大量の液体蘇生,および高い血管活性性- イノトロピクスコアが含まれています.

結論:

• 小児のDSSにおける死亡リスクを推定するために,堅牢な機械学習モデルが開発されました.
• 発見は,DSSの子供の生存結果を改善するための臨床管理戦略を参考にすることができます.