机器学习在多病症研究中的应用:范围审查协议

科学领域:

• 医疗信息学 医疗信息学
• 人工智能在医学中的应用
• 公共卫生 公共卫生

背景情况:

• 多种疾病,多种慢性疾病的存在,严重负担全球医疗保健系统,增加死亡率,降低生活质量,增加成本.
• 多病症的复杂性需要先进的分析工具,以有效管理和干预.
• 机器学习 (ML) 为疾病预测,治疗开发和管理复杂健康状况的临床策略优化提供了强大的能力.

研究的目的:

• 进行范围审查,确定和探索针对多病症患者的机器学习应用程序的现有文献.
• 在多重疾病研究中识别各种ML模型,患者队列,输入数据类型和算法成熟度.
• 将应用到多病症的ML模型的结果和性能指标映射到地图上.

主要方法:

• 遵守PRISMA-ScR (系统性审查和元分析的首选报告项目,范围审查的扩展) 准则.
• 在五个主要数据库中进行全面的文献搜索:PubMed,Embase,IEEE,Web of Science和Scopus.
• 两位评论员使用Covidence对标题,摘要和全文进行独立选,重点关注涉及多种慢性疾病或风险人群的研究.

主要成果:

• 审查将展示PRISMA-ScR流程图,详细说明研究选择过程.
• 研究结果将通过叙事方法进行综合,并通过抽取数据的图表和表格来补充.
• 结果将在同行评审期刊上发表,提供该领域的全面概述.

结论:

• 这一范围审查可能是首次在多病症研究中系统地调查ML.
• 它旨在总结当前的方法,确定各种ML应用,并突出多种慢性疾病管理的研究差距.
• 这些发现将为未来的研究方向提供信息,通过先进的ML技术,有助于改善患者治疗结果.