一个创伤性脑损伤预查工具,用于亲密伴侣暴力患者使用初步临床报告和机器学习
Abheet Singh Sachdeva1, Avery Bell2, Dr Jacob Furst3
1Baylor University, Waco, Texas.
概括
亲密伴侣暴力的幸存者往往有未确定的创伤性脑损伤. 一个新的模型使用临床报告来预先选创伤性脑损伤,改善在紧急情况下的识别.
科学领域:
- 医学研究 医学研究
- 公共卫生 公共卫生
- 计算机科学 计算机科学
背景情况:
- 亲密伴侣暴力 (IPV) 幸存者与创伤性脑损伤 (TBI) 有着不被重视的联系.
- 在IPV幸存者的TBI在急诊室访问期间经常错过.
- 在这一群体中,急需有效的TBI预选工具.
研究的目的:
- 开发和介绍一种新的模型来识别需要TBI查的IPV幸存者.
- 利用机器学习来分析TBI病例相似性的临床报告.
主要方法:
- 采用了一个由三个监督学习分类器组成的集合.
- 分类器在两个不同的特征空间中运行.
- 该模型是根据确认的TBI病例的临床报告进行训练的.
主要成果:
- 开发的模型有效地测量了与临床TBI报告的相似性.
- 整体只需要一个积极的标签来推TBI查.
- 这种方法提高了IPV幸存者的潜在TBIs的识别.
结论:
- 拟议的模型为IPV幸存者的TBI预选提供了一个有希望的解决方案.
- 改进的TBI识别可以导致及时和适当的医疗干预.
- 该工具解决了IPV幸存者的医疗保健方面的重大差距.
