相关实验视频
Updated: May 11, 2026
10:45
Histological Analyses of Acute Alcoholic Liver Injury in Zebrafish
Published on: May 25, 2017
14.3K
在与酒精有关的肝硬化中评估D-二聚体和前列红蛋白时间,并比较机器学习分析
Hyeongyu Lee1, Gilsung Yoo1, Daewoo Pak2
1Department of Laboratory Medicine, Wonju College of Medicine, Yonsei University, Wonju, Republic of Korea.
International journal of medical informatics
|March 22, 2024
概括
输血红素时间 (PT) 和D-二次体是预测酒精相关肝硬化 (ALC) 90天死亡率的关键指标. 机器学习模型,特别是支持矢量机 (SVM),显示出对患者结果的强大预测能力.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 生物医学数据科学 生物医学数据科学
- 临床诊断 临床诊断 临床诊断
背景情况:
- 肝硬化 (LC) 包含各种病因,包括肥胖,酒精,病毒和自身免疫因素.
- 早期诊断和管理LC对于改善患者的生活质量至关重要.
- 非侵入性诊断方法有助于预测LC状态和死亡风险.
研究的目的:
- 从常规实验室测试中确定与酒精有关的肝硬化 (ALC) 的诊断因素.
- 评估机器学习算法对ALC患者死亡率的预测性能.
主要方法:
- 对127名ALC患者的实验室和临床数据的分析.
- 使用K-近邻 (KNN),支持矢量机 (SVM) 和随机森林 (RF) 算法进行预测模型的比较.
- 在分析中包括凝血,血液学和生物化学参数.
主要成果:
- 更高的末期肝病模型 (MELD) 评分与前列血时间 (PT) 和D-二次数水平相关.
- 后勤和多重线性回归在MELD组中发现了显著的死亡预测因素.
- 基于SVM的预测模型在预测ALC患者的死亡方面表现优异.
结论:
- 前列腺血时间 (PT) 和D-二次体与ALC患者的90天死亡率密切相关.
- 机器学习方法为ALC死亡率提供了强大的预测能力.
- 常规实验室测试可以用于有效预测ALC结果.
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
09:44Generation of a Rat Model of Acute Liver Failure by Combining 70% Partial Hepatectomy and Acetaminophen
Published on: November 27, 2019
10.1K
