通过不同的机器学习方法改善烧伤医学预测得分
Sonja Verena Schmidt1, Marius Drysch1, Felix Reinkemeier1
1Department of Plastic Surgery, BG University Hospital Bergmannsheil, Ruhr University Bochum, 44789 Bochum, Germany.
Healthcare (Basel, Switzerland)
|September 9, 2023
概括
机器学习准确地预测烧伤患者的死亡率,使用诸如烧伤深度,年龄和表面积等因素. 这种方法可以提高燃烧护理中的未来生存预测得分.
科学领域:
- 医学研究 医学研究
- 计算生物学是一种计算生物学.
- 烧伤创伤管理管理
背景情况:
- 传统的烧伤死亡率预测得分正变得越来越不准确,这是由于烧伤护理和密集管理的进步.
- 新的评分系统和修改正在开发中,以提高生存预测的准确性.
研究的目的:
- 用机器学习 (ML) 技术分析严重烧伤患者的死亡率.
- 从德国烧伤登记数据中确定死亡率的关键预测特征.
主要方法:
- 利用机器学习算法,包括分类和回归树 (CART),随机森林,XGBoost和物流回归.
- 分析了来自德国烧伤登记处的1401名患者的数据.
主要成果:
- 确定全厚度烧伤,患者年龄和总烧伤表面积是死亡率最重要的预测因素.
- 机器学习方法突出了类似的预测因素,强调了它们的潜力,尽管数据有限.
结论:
- 机器学习显示出在燃烧医学中开发创新和精确的预测得分的前景.
- 需要进一步分析更多的数据来完善ML模型,并改进对燃烧注册结果的解释.


