预后 预测突然的感官神经听力损失 使用整体人工智能学习模型

科学领域:

• 耳鼻喉科 耳鼻喉科 耳鼻喉科
• 医疗信息学 医疗信息学
• 机器学习 机器学习

背景情况:

• 突然感觉神经听力损失 (SSNHL) 的预后是复杂的.
• 预测模型可以帮助治疗决策和患者管理.
• 合体学习为提高预测准确性提供了潜力.

研究的目的:

• 开发和评估SSNHL预后的集体学习模型.
• 确定SSNHL结果的关键预测变量.
• 评估AdaBoost算法的性能与其他模型相比.

主要方法:

• 一项对1572名SSNHL患者的回顾性研究.
• 使用了四个关键变量:年龄,发病后的几天,头和听力损失类型.
• 将AdaBoost,boosting,bagging和堆叠算法进行比较.

主要成果:

• AdaBoost获得了最高的准确度 (82.89%),精度 (86.66%),F1得分 (89.20) 和AUC (0.79).
• 年龄较小,发病后的天数较少,以及较少的头与更好的结果相关.
• 年龄和发病后的几天被确定为关键预测参数.

结论:

• 该AdaBoost模型在预测SSNHL方面表现出很高的有效性.
• 简单的变量增强了该模型在远程医疗保健中的实用性.
• 年龄是影响SSNHL预后的重要因素.