基于机器学习的模型,用于预测晚期癌症患者接受息治疗的痴呆症:一个多中心,基于患者的注册队列

科学领域:

• 抚慰性护理医学 抚慰性护理医学
• 计算医学是一种计算医学.
• 在瘤学瘤学.

背景情况:

• 痴呆症是进入急性息治疗单位的晚期癌症患者的常见并发症.
• 精确预测狂妄症对于及时干预和改善患者结果至关重要.
• 现有的预测方法可能无法完全捕捉到这种特定人群中妄想症的复杂性.

研究的目的:

• 开发和验证一种机器学习模型,用于预测急性息治疗中晚期癌症患者的妄想.
• 确定有助于妄想预测的显著临床特征.
• 提供一个公开可访问的工具,用于狂妄症风险评估.

主要方法:

• 韩国 (2019-2020) 一项多中心,基于患者的注册表队列研究,涉及2314名患者.
• 根据精神障碍诊断和统计手册第五版的标准进行 Delirium 识别.
• 评估七个机器学习模型,包括集体方法,使用k-fold交叉验证.

主要成果:

• 一个组合模型结合了极端梯度增强和随机森林,证明了最佳性能.
• 该模型实现了68.83%的灵敏度,70.85%的特异性和69.84%的平衡精度.
• 性, Delirium 史,化疗,吸烟,酒精消费和生活安排是重要的预测因素.

结论:

• 开发了一种强大的机器学习模型,用于预测晚期癌症患者的妄想.
• 该模型可以通过公共网站访问,可以帮助医疗保健提供者管理妄想.
• 功能重要性分析突出了针对性预防和干预策略的关键因素.