使用机器学习比较开放式数据库和传统的重症监护研究:图书识别分析研究
1Division of Anesthesiology and Perioperative Medicine, Singapore General Hospital, Singapore, Singapore.
Journal of medical Internet research
|April 17, 2024
概括
机器学习分析显示,开放式访问数据库 (OAD) 通过专注于预测建模来补充传统的重症监护室 (ICU) 研究. 整合OAD和传统的重症监护研究为ICU洞察提供了一个全面的未来.
科学领域:
- 密集护理医学是密集护理的医学.
- 图书统计学 图书统计学
- 机器学习应用程序 机器学习应用程序
背景情况:
- 传统的重症监护室 (ICU) 研究主要使用随机对照试验.
- 开放式访问数据库 (OAD) 已成为当代研究的重要资源.
- 机器学习 (ML) 便于在大量研究中进行趋势分析.
研究的目的:
- 进行文献分析,比较传统重症监护 (TIC) 研究中的研究趋势和主题与使用OADs的研究.
- 利用ML进行这两种研究方法的全面比较.
主要方法:
- 利用 ML 来分析来自 Web of Science 数据库的出版物.
- 将研究分类为OAD和ICT组,OAD包括MIMIC,eICU-CRD,阿姆斯特丹UMCdb,HiRID和儿科重症监护数据库.
- 采用统一的多重近似和投影来实现语料库可视化,以及BERTopic用于主题识别和分类.
主要成果:
- 分析了145,426个ICT文章和1,301个OAD文章.
- 信息通信技术研究显示呈指数级增长,在2021年达到顶峰,而OAD研究自2018年以来稳步增加.
- 败血症,通风研究和儿科重症监护是突出的话题;ICT研究涵盖了更广泛的研究范围.
结论:
- 通过专注于预测模型,OAD研究增强了传统的重症监护研究.
- 信息和通信技术研究提供了重要的定性数据,补充了OAD的发现.
- 整合OAD和传统的重症监护方法,以及自然语言处理,代表了ICU研究和文献审查的未来.
关键词:
贝尔主题 贝尔主题 贝尔主题仿真 (MIMIC) 是一种模仿方式.医疗信息中心为重症监护提供医疗信息.关键护理关键护理的关键护理电信中心 (eICU)机器学习是机器学习.自然语言处理自然语言处理.更多相关视频
07:41Performing Data Mining And Integrative Analysis Of Biomarker in Breast Cancer Using Multiple Publicly Accessible Databases
Published on: May 17, 2019
9.0K
10:38Observational Study Protocol for Repeated Clinical Examination and Critical Care Ultrasonography Within the Simple Intensive Care Studies
Published on: January 16, 2019
20.2K
