ラテンアメリカの子供における多系統炎症症症候群の予測のための多変量機械学習モデルの開発と検証

科学分野:

• 小児重症治療薬
• 医療における機械学習の応用
• 感染症の疫学

背景:

• 子供における多系統炎症症候群 (MIS-C) は,重症症例の迅速な特定を必要とする深刻な状態である.
• MIS-Cで深刻な結果を予測することは,適切な介入とリソースの配分に不可欠です.

研究 の 目的:

• MIS-Cと診断された子供の重症な結果を予測するための機械学習 (ML) アルゴリズムを開発し,検証する.
• ML技術を用いて重度のMIS-Cの主要な予測要因を特定する.

主な方法:

• REKAMLATINAネットワークの84の病院からMIS-Cを患った1303人の子どもを対象とした観察的野心的なコホート研究が行われました.
• 多数のMLモデルが開発され,小児集中治療室 (PICU) の入院,イノトロプの使用,機械呼吸,死亡を予測した.
• モデルの性能は精度とAUROCを用いて評価され,SHAP値によって重要性が評価された.

主要な成果:

• PICU 入院予測のMLモデルは0. 80の精度を達成しました.
• イノトロプの使用と機械的な換気のためのモデルは,それぞれ0. 86と0. 84の精度を示しました.
• 死亡を予測したモデルはAUROC 0.85を示した.

結論:

• 検証されたMLモデルは,MIS-Cの子供における重度のアウトカムを効果的に予測できます.
• これらの予測ツールにより 臨床医はリスクの階層化を行い 高リスクの患者を早期に特定できます
• 開発されたモデルは,MIS-Cケースの管理を改善する可能性を秘めています.