相关实验视频
Updated: Aug 1, 2026
14:54
A Controlled Mouse Model for Neonatal Polymicrobial Sepsis
Published on: January 27, 2019
11.1K
在儿科败血症中使用概率图形模型:可行性和范围审查
Tuong Minh Nguyen1, Kim Leng Poh1, Shu-Ling Chong2,3
1Department of Industrial Systems Engineering and Management, College of Design and Engineering, National University of Singapore, SG, Singapore.
Translational pediatrics
|December 22, 2023
概括
这次审查发现,虽然概率图形模型 (PGMs) 的性能低于儿童毒症的其他机器学习 (ML) 方法,但它们的可解释性为重症监护应用提供了潜在的好处.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
- 儿科重症监护 儿科重症监护
背景情况:
- 机器学习 (ML) 显示了改善关键疾病护理的前景,包括败血症管理.
- 儿科败血症在诊断和治疗方面存在独特的挑战.
- 概率图形模型 (PGM) 是一类具有在医疗保健中的潜在应用的ML算法.
研究的目的:
- 评估使用概率图形模型 (PGMs) 对于儿科败血症的可行性.
- 描述在ML研究中使用的儿科败血症的各种定义.
- 分析儿童败血症研究中的ML技术的应用和性能.
主要方法:
- 对2000-2023年期间的文献进行了范围审查.
- 搜索包括PubMed,Scopus,CINAHL+和Web of Science等数据库.
- 关键词集中在儿科人口,机器学习,PGM和败血症.
主要成果:
- 在3,244项选研究中,包括72项.
- 败血症的定义各不相同,微生物学文化和共识定义是最常见的.
- 物流回归,随机森林和神经网络是普遍存在的ML模型;PGM在18.1%的研究中使用,通常与其他ML模型相比表现差.
结论:
- 概率图形模型 (PGMs) 目前在儿科败血症中表现相对较差,与其他机器学习方法相比.
- 尽管性能有限,但PGM的可解释性和透明性对儿科败血症研究和临床应用具有潜在的优势.
- 需要进一步调查儿童败血症中PGM的解释性.
