一个基于机器学习的软件的回顾性验证研究,用于实证和生物向的抗生素治疗选择

科学领域:

• 传染性疾病 传染性疾病
• 医疗信息学 医疗信息学
• 药理学 药理学是指药理学的学科.

背景情况:

• 抗生素处方错误很常见,导致感染覆盖不足.
• 机器学习为优化抗生素选择提供了潜在的解决方案.

研究的目的:

• 评估基于机器学习的软件iAST在提供准确的抗生素建议方面的有效性.
• 将iAST的建议与医生对实证和生物向治疗的处方进行比较.
• 评估iAST对抗生素管理的影响.

主要方法:

• 用12家西班牙医院325名急性感染患者的数据对iAST的回顾性验证.
• 微调iAST模型,使用27,531个历史抗生素图.
• 通过比较iAST对医生处方抗生素的前三项建议的成功率,由抗生素检查结果证实.

主要成果:

• iAST的前三项建议显示,实证疗法 (91.06%的成功率与68.93%) 和生物向疗法 (97.83%与84.16%) 与医生处方的不劣.
• iAST证明了抗生素管理的改善,建议更多的抗生素和储备抗生素以及更少的观察抗生素.
• 在所有主要终点比较中观察到统计学意义 (P < 0.001).

结论:

• iAST准确地预测了抗生素敏感性,改善了处方结果.
• 该软件显示了提高抗生素管理实践的巨大潜力.
• 通过优化治疗选择,iAST可以成为打击抗菌素耐药性的宝贵工具.