预测紧急透析在救护车运输到急诊室使用机器学习方法
Sheida Majouni1, Karthik Tennankore2, Syed Sibte Raza Abidi1
1NICHE Research Group, Faculty of Computer Science, Dalhousie University, Canada.
Studies in health technology and informatics
|January 25, 2024
概括
护理人员现在可以预测哪些血液透析患者在医院运输之前需要紧急透析 (UD). 机器学习模型使用患者数据来识别需要UD的患者,改善目的地规划和患者的治疗结果.
科学领域:
- 紧急医疗 紧急医疗
- 腎臟病學 (nephrology) 是一種醫學專業.
- 数据科学是数据科学.
背景情况:
- 血液透析患者经常需要救护车运送到医院接受治疗.
- 一些患者需要在运输后24小时内进行紧急透析 (UD),以防止严重的健康并发症.
- 在不同医院,UD的可用性各不相同,这使得紧急医疗服务 (EMS) 的规划变得复杂.
研究的目的:
- 为护理人员开发机器学习模型,以预测需要紧急透析 (UD) 的患者需要救护车运输.
- 通过识别可能需要UD的患者来帮助护理人员规划目的地.
主要方法:
- 利用加拿大哈利法克斯的救护车运输数据.
- 使用多种机器学习技术开发预测模型.
- 解决了使用上样方法预测罕见事件 (UD) 固有的类失衡问题.
主要成果:
- 获得了0.76的高F1得分,这表明精度和回忆之间的平衡良好.
- 在预测急需透析的需要方面表现出高灵敏度 (0.76) 和特异性 (0.97).
- 使用在救护车运输期间可用的有限患者特征验证了模型的有效性.
结论:
- 机器学习模型可以有效地预测在救护车运输期间血液透析患者的紧急透析 (UD) 的需要.
- 这些预测能力可以显著提高EMS的医院前护理和医院目的地规划.
- 该研究证实了在紧急情况下使用现有患者数据来预测重症监护的可行性.
更多相关视频
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
8.2K
07:48Noninvasive and Invasive Renal Hypoxia Monitoring in a Porcine Model of Hemorrhagic Shock
Published on: October 28, 2022
1.2K
