在熟练护理设施中经历感染的中风幸存者的发作预测 - - 一种机器学习方法
Madeleine Stanik1, Zachary Hass2, Nan Kong1
1Purdue University, Department of Engineering, Weldon School of Biomedical Engineering, West Lafayette, IN, United States.
Frontiers in physiology
|June 14, 2024
概括
经历感染的中风幸存者面临着更高的发作风险. 一个预测模型基于治疗减少,独立性和情绪低落来识别高风险个体,使得有针对性的发作预防策略成为可能.
科学领域:
- 神经学 神经学
- 数据科学数据科学数据科学
- 医疗保健分析 医疗保健分析
背景情况:
- 感染是中风幸存者的主要并发症和发作风险因素.
- 在感染后识别高风险中风幸存者对于主动的发作管理至关重要.
研究的目的:
- 开发一种预测模型,用于感染后中风幸存者的发作风险.
- 确定导致该人群中发作风险的关键因素.
主要方法:
- 一项回顾性研究使用了长期护理最低数据集 (MDS) 3.0 (2014-2018).
- 机器学习模型使用数据平衡和特征选择技术进行训练.
- 模型性能使用AUC和准确度进行评估,并通过SHapley添加式解释 (SHAP) 进行解释.
主要成果:
- 数据平衡改善了模型预测性能.
- SHAP分析显示,减少治疗,减少日常活动的独立性和负面情绪是发作风险的重要预测因素.
- 具有这些特征的中风幸存者在感染后患发作的风险更大.
结论:
- 一个预测工具可以指导医疗保健提供者管理高风险的中风幸存者感染后的发作.
- 这促进了个性化的治疗计划,并提高了长期居民护理的质量.
- 早期识别和干预可以预防严重的并发症.
更多相关视频
11:06A Human-machine-interface Integrating Low-cost Sensors with a Neuromuscular Electrical Stimulation System for Post-stroke Balance Rehabilitation
Published on: April 12, 2016
10.4K
09:16Use of a Wireless Video-EEG System to Monitor Epileptiform Discharges Following Lateral Fluid-Percussion Induced Traumatic Brain Injury
Published on: June 21, 2019
25.6K
