相关实验视频
Updated: Jul 6, 2025
04:19
A Mouse Model of Single and Repetitive Mild Traumatic Brain Injury
Published on: June 20, 2017
11.2K
基于机器学习的模型用于预测创伤性脑损伤的成年人的住院死亡率:系统性审查和元分析
Zhe Wu1, Jinqing Lai1, Qiaomei Huang2
1Department of Neuronal Surgery, The Second Affiliated Hospital of Fujian Medical University, Quanzhou, Fujian, China.
Frontiers in neuroscience
|December 29, 2023
概括
机器学习模型在预测创伤性脑损伤死亡率方面表现出极好的准确性. 需要进一步的研究来确定这些预测的最佳机器学习方法.
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
- 神经科学研究 神经科学研究
背景情况:
- 创伤性脑损伤 (TBI) 是一个重大挑战,需要准确的死亡率预测,以便及时做出治疗决策.
- 机器学习 (ML) 模型越来越多地用于预测TBI病例的死亡率.
- 本研究对现有的ML模型进行了元分析,以预测TBI死亡率.
研究的目的:
- 对机器学习模型进行元分析,以预测创伤性脑损伤的死亡率.
- 评估ML模型在TBI死亡率预测中的整体性能.
主要方法:
- 对PubMed,Web of Science和Embase研究的系统审查和元分析,截至2023年6月.
- 包括手动搜索参考文献和评论文章.
- 数据使用Stata 16.0进行分析;研究注册了PROSPERO (CRD2023440875).
主要成果:
- 在分析中包括了14项研究.
- 在样本特征,模型类型和验证方法中观察到显著的异质性.
- 机器学习模型表现出强大的预测性能,AUC总值为0.90 (95%CI:0.870.92).
结论:
- 机器学习模型在预测创伤性脑损伤后的死亡率方面表现出很高的有效性.
- 对于TBI死亡率预测的最佳机器学习建模策略仍未确定.
- 对ML方法的持续调查可以增强TBI患者的临床决策.
