机器学习在预测创伤大规模输血:作为概念验证的回顾性分析
Anton Nikouline1,2, Jinyue Feng3,4, Frank Rudzicz4,5
1Department of Emergency Medicine, London Health Sciences Centre, 800 Commissioners Road E, London, ON, N6A 5W9, Canada. anton.nikouline@mail.utoronto.ca.
概括
机器学习使用早期临床数据准确地预测创伤患者的大规模输血. 这种人工智能工具可以帮助临床决策,通过及时干预来改善结果.
科学领域:
- 创伤护理的护理人员.
- 机器学习在医学中的应用
- 预测建模的预测建模.
背景情况:
- 早期启动大规模出血协议 (MHP) 与降低死亡率和器官衰竭有关.
- 现有的MHP预测工具缺乏早期临床数据的强大预测能力.
- 开发一个强大的大量输血预测模型对于及时干预至关重要.
研究的目的:
- 开发一种基于机器学习的预测模型,用于使用早期临床数据进行大规模输血.
- 确定预测创伤患者大规模输血的关键临床特征.
- 评估机器学习模型在预测大规模输血方面的表现.
主要方法:
- 利用国家创伤数据库 (2013-2018) 对严重受伤的创伤患者.
- 提取了医院前和急诊室的临床特征,平衡了数据集,并使用Boruta算法进行特征选择.
- 训练并测试了六种机器学习模型,将大规模输血定义为4小时5个单位和24小时10个单位.
主要成果:
- 包括326,758名患者,其中5.8%需要大量输血.
- 紧急部门模型在接收器操作特征曲线下的平均面积达到0.83.3.
- 极端梯度提升模型仅使用医院前数据和4小时输血门显示出强大的预测性能.
结论:
- 机器学习有效地创建了一个准确的预测模型,用于创伤中的大规模输血.
- 开发的模型显示了作为临床决策支持工具的潜力.
- 人工智能可以提高创伤患者大规模出血的早期识别和管理.
