使用机器学习支持儿科急诊室的临床决策:一个范围审查协议

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 临床决策支持系统 临床决策支持系统

背景情况:

• 机器学习 (ML) 工具为快节奏的急诊室 (ED) 提供了临床决策支持 (CDS) 的潜力.
• 对于ED中儿科患者的基于ML的CDSS存在一个知识差距.
• 这篇论文详细介绍了一个范围审查的协议,以解决这个差距.

研究的目的:

• 系统地总结在紧急部门对ML CDSS的现有研究.
• 专门识别和分析适用于儿科患者的ML模型.
• 在儿科急诊医学决策支持中绘制ML应用的当前景观.

主要方法:

• 根据阿克西和奥马利框架进行范围审查.
• 在过去五年内发表的ED中包括任何结果/人群的ML CDSS.
• 排除灰色文献,评论,非英语论文和基于合成数据的模型.
• 在Medline,CINAHL,EMBASE和Cochrane Central数据库中进行搜索.
• 由临床和计算机科学专家进行的两阶段独立选,分歧通过讨论解决.
• 收集数据的定量分析.

主要成果:

• 该审查将综合在紧急情况下ML CDSS的发现.
• 结果将突出当前的研究趋势和方法.
• 特别关注为儿科紧急护理确定可用的ML模型.

结论:

• 这项研究将全面概述ED中的ML CDSS,重点关注儿科应用.
• 结果将确定将现有的ML模型集成到临床实践中的机会.
• 该审查旨在通过利用各种专业知识指导未来的ML模型的开发.