根据年龄组对智能选模型的地理验证
Cherri Zhang1, Matthew O Wiens1,2,3, Dustin Dunsmuir1,3
1Institute for Global Health, BC Children's and Women's Hospitals, Vancouver, British Columbia, Canada.
PLOS digital health
|July 1, 2024
概括
一种临床预测模型Smart Triage被验证用于检测重症儿童. 更新后的模型显示,不同年龄组的预测能力有所提高,有助于降低低资源环境中的儿童死亡率.
科学领域:
- 全球健康 全球健康
- 儿科 儿科 儿科
- 医疗信息学 医疗信息学
背景情况:
- 传染病在低收入和中等收入国家造成严重的5岁以下儿童死亡率.
- 临床预测模型可以改善重症儿童的早期检测.
- 现有模型的外部验证有限,特别是在新生儿死亡率方面.
研究的目的:
- 为了外部验证智能选临床预测模型.
- 评估模型在乌干达和肯尼亚的联合前队列中的表现.
- 评估并可能修改模型,以提高不同儿科年龄组的准确性.
主要方法:
- 智能选模型的外部验证,使用11595名5岁以下儿童的前性队列.
- 使用接收机-运营商曲线 (AUROC) 下面面积的模型歧视的评估.
- 分析了跨年龄子集的校准图表;由于性能问题,对新生儿重新估计了模型系数和值.
主要成果:
- 该模型显示,对五岁以下儿童的歧视很好 (AUROC 0.81),但对新生儿的歧视很差 (AUROC 0.62).
- 在低风险值的5岁以下儿童中,敏感度为85%,新生儿为68%.
- 经过修订后,新生儿模型实现了0.83的AUROC,修订了低风险 (13%) 和高风险 (41%) 门.
结论:
- 更新的智能选模型在儿童年龄组中显示出良好的预测性能.
- 该模型可以集成到当地医疗保健机构的分拣指南中,以优化护理.
- 建议进行进一步的外部验证,特别是新生儿组件.


