对可解释的机器学习在预测ICU中老年ICU患者的ICU血小板缺血的回顾性分析
Yingting Xu1, Weimin Zhang1, Xuchao Ma1
1Intensive Care Unit, Affiliated Dongyang Hospital of Wenzhou Medical University, No. 60 Wuning West Road, Dongyang, Jinhua, Zhejiang, People's Republic of China.
Scientific reports
|July 20, 2024
概括
这项研究引入了一种机器学习工具,用于预测老年重症监护室 (ICU) 患者的血小板缺血风险. 该算法有助于临床决策,以获得更好的患者护理.
科学领域:
- 老年医学 老年医学
- 关键护理医学 关键护理医学
- 医疗保健中的机器学习
背景情况:
- 血小板缺血是老年重症患者的重大并发症.
- 在老年重症监护室 (ICU) 患者的术后血小板缺血与死亡率的增加有关.
- 准确预测血小板缺血风险对于及时的临床干预至关重要.
研究的目的:
- 开发和验证可解释的机器学习算法,用于预测老年ICU患者的血小板缺血风险.
- 确定可预测血小板缺血的关键临床变量.
- 改善临床决策和ICU患者的治疗结果.
主要方法:
- 对2286名住院于ICU的老年患者的数据进行了回顾性分析.
- 开发和比较四个机器学习算法,包括C5.0和Support Vector Machine.
- 使用最小绝对缩小和选择运算符和随机森林算法选择八个关键预测变量.
主要成果:
- 血小板缺血发生在18.2%的术后老年患者中.
- C5.0模型显示出优异的预测性能 (AUC~0.85,准确度为0.88).
- 支持矢量机模型在外部数据库上预测血小板缺血的严重程度时达到0.80准确度.
结论:
- 机器学习模型显示,在老年ICU患者中预测血小板缺血风险和严重程度的巨大潜力.
- 开发的算法可以帮助临床医生做出明智的决策,以更好地管理患者.
- 这些模型的进一步验证和实施可以加强对重症老年人的护理.
更多相关视频
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
7.5K
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
3.4K
