相关实验视频
Updated: Jul 16, 2025
06:51
Mouse Model of Pressure Ulcers After Spinal Cord Injury
Published on: March 9, 2019
9.5K
用机器学习算法对压力损伤和预测模型的风险进行系统审查.
Eba'a Dasan Barghouthi1, Amani Yousef Owda2, Mohammad Asia1
1Health Sciences Department, Arab American University, Ramallah P600, Palestine.
Diagnostics (Basel, Switzerland)
|September 9, 2023
概括
机器学习模型可以比目前的方法更早地预测住院成人的压力损伤. 本系统性审查评估了这些模型,突出了它们改善预防和患者结果的潜力.
科学领域:
- 医疗信息学 医疗信息学
- 临床护理 临床护理
- 医疗保健中的人工智能
背景情况:
- 压力损伤 (PIs) 是一个日益严重的全球健康问题,患者的病率和医疗保健费用显著.
- 目前用于识别压力损伤风险的方法缺乏在住院成年人中有效预防所需的准确性和及时性.
- 迫切需要先进的方法来更早地预测压力损伤,在明显的皮肤损伤发生之前.
研究的目的:
- 系统地审查和评估用于开发成人住院患者压力损伤预测模型的机器学习 (ML) 算法.
- 评估基于ML的预测模型在早期识别压力损伤风险方面的有效性.
- 分析现有的ML模型的优点和局限性,以预测压力损伤,并指导未来的研究.
主要方法:
- 采用了一种系统审查方法,搜索主要数据库,包括CINAHIL,PubMed,Science Direct,IEEE,Cochrane和谷歌学者.
- 包括的研究是那些使用机器学习算法为成人住院患者构建压力损伤预测模型的研究.
- 根据预先定义的纳入标准,选择了27篇相关文章并进行了批判性分析.
主要成果:
- 机器学习算法在开发住院成年人压力损伤的预测模型方面表现有前途.
- 有证据表明,这些基于ML的模型可以比传统评估工具更早地识别患有压力损伤风险的患者.
- 审查的研究表明模型性能的变化,需要进一步研究最佳算法选择和验证.
结论:
- 机器学习为改善住院患者压力损伤的早期检测和预防提供了一个有希望的途径.
- 对当前模型的批判性分析强调了在这个领域对ML方法的强有力的验证和标准化的需要.
- 未来的研究应该专注于改进ML算法,并将其整合到临床工作流程中,以减轻压力损伤的发生率.
