相关实验视频
Updated: Jul 20, 2025
07:42
A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
249
一个机器学习模型,用于区分川崎病与败血症
Chi Li1, Yu-Chen Liu2, De-Ran Zhang3
1Department of Gastroenterology, Children's Hospital of Anhui Medical University, The Fifth Clinical Medical College of Anhui Medical University, Hefei, 230000, Anhui, China.
Scientific reports
|August 2, 2023
概括
这项研究开发了一种诊断名录,以区分川崎病 (KD) 和儿童的败血症. 诺米图使用临床和血液测试数据,帮助儿科医生进行早期和准确的诊断,以获得更好的治疗.
科学领域:
- 儿科风湿病学 儿科风湿病学
- 传染性疾病 传染性疾病
- 医学诊断 医学诊断 医学诊断
背景情况:
- 川崎病 (KD) 是一种急性血管炎,主要影响5岁以下的儿童.
- 败血症是一种对感染的全身炎症反应,与KD有着发烧和炎症标志物升高等症状.
- 正确的区分至关重要,因为治疗方案大不相同.
研究的目的:
- 开发和验证一个动态的诺姆图,以区分儿科患者的KD和败血症.
- 确定能够预测KD的关键临床和生物参数.
- 改善儿科重症监护的早期诊断和临床决策.
主要方法:
- 对299名KD患者和309名败血症患者的回顾性分析.
- 收集人口统计数据和33个常规血液测试参数.
- 利用最小绝对收缩和选择操作员 (LASSO),支向量机 (SVM) 和接收器操作特征 (ROC) 曲线分析来进行特征选择和名ogram构造.
- 绩效评估包括歧视 (c指数) 和校准,通过决策曲线分析评估临床效用.
主要成果:
- 构建了一个名图,确定身高,白细胞 (WBC) 计数,单细胞,乙素,淋巴细胞与单细胞计数比率 (LMR),玛-氨基转移酶 (GGT) 和血小板计数作为KD的独立预测因素.
- 命名图表显示出强烈的歧视,c指数为0.926 (训练集) 和0.878 (验证集).
- 与现有的决策策略相比,该名图表表现出良好的校准和卓越的临床实用性.
结论:
- 开发的名图有效地区分了儿童的KD与败血症.
- 它是儿科医生的宝贵工具,有助于及时和准确的诊断.
- 诺米图增强了临床决策,可能导致改善患者的治疗结果.
