机器学习使得在泌尿病学中进行系统审查和元分析的自动选成为可能
H S Menold1, V L S Wieland1, C M Haney2,3,4
1Department of Urology and Urological Surgery, University Medical Center Mannheim, University of Heidelberg, Theodor-Kutzer-Ufer 1-3, 68167, Mannheim, Germany.
World journal of urology
|July 10, 2024
概括
这项研究探讨了尿道学元分析 (MA) 的半自动查,用机器学习解决阶级不平衡问题. 权重方法在测试数据上被证明最有效,最大限度地减少了错过的研究.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 在以证据为基础的医学中,元分析 (MA) 是至关重要的.
- 对MA的查研究可能耗时且容易出现错误.
- 查数据中的阶级不平衡是一个重大挑战.
研究的目的:
- 调查和实施半自动查在泌尿病学MA.
- 在选过程中解决阶级不平衡的挑战.
- 评估不同机器学习算法和失衡处理技术的性能.
主要方法:
- 训练有素的机器学习 (ML) 算法 (随机森林,物流回归,SVM) 在来自三个泌尿器官医学院的查数据上.
- 实施各种方法来处理阶级不平衡:抽样 (上/下),加权,成本敏感学习和值.
- 针对灵敏度和评估指标的优化模型,包括特异性,ROC曲线,错过的研究和节省的工作.
主要成果:
- 在跨算法模型训练期间,降低采样产生了最佳结果.
- 权重方法在最终测试数据集上显示出优异的性能.
- 值比标准的0.5值提高了结果,优化的模型在大多数情况下实现了零错过的相关研究.
结论:
- 实践实施需要一个整体的方法,整合了提出的方法和先进的文本预处理.
- 需要进一步研究对于MA查的成本敏感的学习方法.
- 由于结果异质性,无法提出普遍的样本大小建议.
相关概念视频
01:29Urine Studies I: Urinalysis
2.6K
Urinalysis is a widely used diagnostic test that analyzes urine's physical, chemical, and microscopic characteristics. Healthcare providers use it to detect and monitor various health conditions, including renal disease, urinary tract infections (UTIs), diabetes, and metabolic or systemic disorders.Components of UrinalysisUrinalysis consists of three primary components: physical, chemical, and microscopic examination. Each provides unique insights into the urine sample and, by extension, the...
2.6K
01:24Automated Microbial Diagnostics
77
Automated diagnostic analyzers have transformed clinical microbiology by providing rapid and reliable methods for pathogen identification and antibiotic susceptibility testing. Among these systems, the Vitek 2 is widely used because it automates the traditionally labor-intensive processes of microbial identification (ID) and antibiotic susceptibility testing (AST), delivering standardized and timely results that are essential for effective patient care.Microbial Identification with ID CardsThe...
77