一个优化的机器学习模型,用于预测维护透析人群中COVID-19感染住院治疗的情况
Shuangshan Bu1, HuanHuan Zheng1, Shanshan Chen1
1Department of Nephrology, Affiliated Dongyang Hospital of Wenzhou Medical University, Dongyang, 322100, China.
这项研究开发了一种机器学习模型,用于预测透析患者的COVID-19感染风险,达到95.61%的准确性. 像蛋白质和血红蛋白这样的关键指标对于临床诊断至关重要.
科学领域:
- 科和传染病流行病学
- 计算生物学和机器学习
背景情况:
- 透析患者面临高的COVID-19感染率和死亡风险.
- 关于中国透析患者中COVID-19患病率和死亡率的数据有限.
- 机器学习模型为疾病预测提供了潜力,但需要功能优化和可解释性.
研究的目的:
- 开发和验证一种新的机器学习模型,用于预测透析患者的COVID-19感染风险.
- 确定用于早期诊断和风险评估的关键临床指标.
- 在预测建模中应对数据冗余和模型可解释性的挑战.
主要方法:
- 提出了一种包装特征选择分类模型,使用了增强的JAYA优化算法,以及分散的食和贪的征税突变策略.
- 为预测准确性和模型解释性优化了功能集.
- 采用模糊的K-最近邻居进行分类,并对基准函数和尿血病数据集的模型进行了验证.
主要成果:
- 在透析患者中实现了95.61%的高预测准确度,用于COVID-19感染风险.
- 确定了益白蛋白,C反应蛋白 (CRP),直接胆红素,血红蛋白,白蛋白和作为重要的预测因素.
- 证明了模型在优化特征选择和分类方面的有效性.
结论:
- 拟议的机器学习方法为预测透析患者COVID-19风险提供了一个有希望的工具.
- 特定的生物标志物 (益白蛋白,CRP,直接胆红素,血红蛋白,白蛋白,) 对于临床风险评估至关重要.
- 该方法提高了预测准确度,并提供了对重要诊断因素的洞察力.
更多相关视频
06:27A Retrograde Implantation Approach for Peritoneal Dialysis Catheter Placement in Mice
Published on: July 20, 2022
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
相关概念视频
Dialysis
Acute kidney injury develops suddenly and can be caused by pre-renal causes (e.g., hypovolemia, shock), intrinsic renal causes (e.g., acute tubular necrosis), or post-renal causes (e.g., urinary obstruction). In contrast, chronic renal failure progresses gradually over time and is often...
Hemodialysis III: Nursing Management
Chronic Kidney Disease III: Interprofessional Care
Steps in Outbreak Investigation
Acute Kidney Injury V: Interprofessional Care
Hemodialysis I: Introduction
