机器学习模型的开发和验证,以提高骨科外科患者不合理处方的精确预测

科学领域:

• 人工智能在医学中的应用
• 药物监督 药物监督 药物监督
• 整形外科手术 整形外科手术

背景情况:

• 不合理的医疗处方在骨科外科手术期间的护理中构成风险.
• 准确预测这些处方对于患者的安全至关重要.

研究的目的:

• 开发一种机器学习模型,用于预测非理性医疗处方.
• 评估模型如何融入临床审计流程.

主要方法:

• 利用了3047名疑似不合理处方的数据集,来自1318名骨科周围手术患者.
• 为了预测准确度,我们比较了四个机器学习模型 (RF,NB,ANN,XGBoost).
• 对表现最好的模型进行了变量重要性分析.

主要成果:

• 随机森林 (RF) 模型实现了最高的曲线下的面积 (AUC) 92%.
• 射频表现出强大的正预测值 (PPV) 和负预测值 (NPV).
• 关键预测因素包括药物类型,手术类型,并发症和成本.

结论:

• 射频模型显著改善了骨科外科手术周围患者不合理处方的预测.
• 该模型提高了药剂师对药物安全的干预效率.