相关实验视频
Updated: Jul 9, 2025
A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
应用人工神经网络,根据临床特征和完整血清参数预测急诊室的败血症死亡率
Beata Pui Kwan Wong1, Rex Pui Kin Lam2, Carrie Yuen Ting Ip1
1Department of Emergency Medicine, School of Clinical Medicine, Li Ka Shing Faculty of Medicine, The University of Hong Kong, Hong Kong Special Administrative Region, China.
这项研究发现,使用完整血清参数和临床数据的人工神经网络模型可以预测感染急诊室患者的30天死亡率. 该模型在识别有风险的患者方面显示出显著的预后价值.
科学领域:
- 紧急医疗 紧急医疗
- 计算生物学 计算生物学
- 血液学 血液学 血液学
背景情况:
- 全血细胞计 (CBC) 是急诊室感染的标准诊断工具.
- 特定的CBC参数,如中性粒细胞与淋巴细胞比率 (NLR),可能提供预后见解.
- 预测感染患者的死亡风险对于及时干预至关重要.
研究的目的:
- 评估CBC参数与临床变量相结合的预后能力.
- 开发和验证一个人工神经网络 (ANN) 模型,用于预测感染成人急诊室患者的30天死亡率.
主要方法:
- 追溯分析558名成年患者的感染,呈现到ED.
- 收集临床变量和CBC参数,包括计算NLR,单细胞与淋巴细胞比率 (MLR) 和血小板与淋巴细胞比率 (PLR).
- 使用70/30数据分割开发监督ANN模型,由AUROC评估性能.
主要成果:
- 该研究分析了558名患者,30天内死亡率为10.8%.
- 个体比率显示了中度的歧视性表现:NLR (AUROC 0.644),MLR (AUROC 0.555),PLR (AUROC 0.606).这些比率显示了中度的歧视性表现.
- 该ANN模型包含了包括临床数据,血红蛋白,红细胞分布宽度,NLR和PLR在内的12个变量,在测试数据集中达到0.811的高AUROC.
结论:
- 呈现CBC参数和临床变量可以被ANN模型有效地利用来预测感染ED患者的30天死亡率.
- 与单个CBC比率相比,开发的ANN模型显示出优异的预测性能.
- 这种方法有可能改善急诊室的风险分层和患者管理.
更多相关视频
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
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
