在出生时体重非常低的早产婴儿中预测早期死亡率和严重的腹腔内出血:一项使用机器学习的全国性多中心研究
Yun-Hsiang Yang1, Ts-Ting Wang1,2, Yi-Han Su1
1Department of Pediatrics, National Cheng Kung University Hospital, College of Medicine, National Cheng Kung University, No.138, Sheng Li Road, Tainan, Taiwan.
Scientific reports
|May 11, 2024
概括
一个新的机器学习模型使用四个关键变量准确地预测了非常低出生体重 (VLBW) 婴儿的早期死亡率和严重腹腔内出血 (IVH). 该工具有助于临床医生和家长在早期评估VLBW新生儿的风险.
科学领域:
- 新生儿医学 新生儿医学
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 非常低出生体重 (VLBW) 的婴儿面临着早期死亡和严重腹腔内出血 (IVH) 的重大风险.
- 准确预测这些不良结果对于及时干预和改善新生儿护理至关重要.
- 现有的预测模型可能缺乏概括性或依赖于复杂的数据点.
研究的目的:
- 开发和验证基于机器学习的预测器,用于台湾的VLBW早产婴儿的早期死亡率和严重IVH.
- 确定可访问的关键变量,用于预测VLBW新生儿的不良结果.
- 为新生儿重症监护病房预后评估提供一个强大的工具.
主要方法:
- 从两个队伍中从VLBW婴儿收集回顾性数据,用于模型开发,内部和外部验证.
- 利用23个预处理的变量,确定妊娠年龄,出生体重,5分钟的阿帕尔分数和内管通风作为顶级预测因素.
- 采用并比较了六种机器学习算法,重点关注后勤回归和神经网络,以预测性能.
主要成果:
- 开发的模型使用了四个可访问的预测因子,在早期死亡率,严重的IVH和综合不良结果方面表现出高的预测性能 (AUC 0.81-0.90).
- 后勤回归和神经网络模型显示出优异的校准和最低的平均布里尔分数,证实了它们的可靠性.
- 在内部和外部验证队列中观察到一致的表现,表明了稳定性.
结论:
- 成功开发了一种基于机器学习的可靠预测器,用于VLBW婴儿早期不良结果.
- 该模型依赖于四个易于获得的变量,使其在临床应用中变得实用.
- 这个预测器为家长提供了有价值的预后见解,并为管理VLBW新生儿的医疗保健提供者提供了知情决策的支持.
