使用机器学习算法预测医院获得的流感:一项比较性研究

科学领域:

• 医疗保健流行病学 医疗保健流行病学
• 医疗信息学医学信息学
• 传染病建模传染病建模

背景情况:

• 医院获得的流感 (HAI) 具有显著的发病率,并且经常被忽视.
• 早期检测HAI对于控制医疗机构内的传播至关重要.

研究的目的:

• 为了确定与HAI相关的因素.
• 开发和比较用于预测HAI发生的机器学习模型.
• 为了确定HAI预测的最佳算法.

主要方法:

• 在两个流感季节内对111名HAI和73,748名非HAI患者进行了回顾性观察研究.
• 分析患者的特征,并发症,生命体征,实验室结果和室内信息.
• 使用物流回归,随机森林,极端梯度增强和人工神经网络开发预测模型.

主要成果:

• 在HAI和非HAI组之间观察到患者人口统计学,并发症,生命体征和实验室结果的显著差异.
• 随机森林模型实现了最高的性能,AUC为83.3%,只有四个假负.
• 住在双人房间,生命体征和实验室结果是最重要的预测HAI的因素.

结论:

• 患者的特征和房间通风是HAI发生率的关键因素.
• 机器学习模型,特别是随机森林,可以促进HAI的早期干预.
• 这些发现支持在医院制定有针对性的感染预防策略,以减轻流感的传播.