使用机器学习在患有牙病原性感染的患者中预测重症监护病房的入院情况
1Department of Oral and Maxillofacial Surgery, Graduate School of Dentistry, Dankook University, Cheonan, Korea.
概括
机器学习准确地预测了牙科感染的重症监护室 (ICU) 入院情况. 使用临床数据和CT扫描的模型确定了C-反应蛋白和糖尿病为关键预测因素.
科学领域:
- 口腔和牙面部外科手术
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 牙感染可能导致严重并发症,需要进入重症监护室 (ICU).
- 预测ICU入院风险对于及时干预和资源分配至关重要.
- 现有的预测模型可能无法充分利用所有可用的初始患者数据.
研究的目的:
- 开发和验证机器学习 (ML) 模型,用于预测牙科感染患者的ICU入院情况.
- 为了比较具有和没有对比度增强多探测器计算机断层扫描 (MDCT) 成像的模型的预测性能.
- 确定影响ICU入院风险的关键临床和实验室因素.
主要方法:
- 利用H2O-AutoML开发了210名牙感染患者的两个预测模型.
- 模型1包括临床症状和血液检测;模型2除了模型1的参数之外还包括MDCT数据.
- 从医疗图表中回顾患者的人口统计,系统,局部和实验室数据.
主要成果:
- 一般化的线性模型算法实现了最高的准确性.
- 模型2 (包括MDCT) 显示AUC略高 (0.8415) 比模型1 (0.8289).
- 在这两种模型中,C反应性蛋白水平和糖尿病是最重要的预测因素.
结论:
- 机器学习模型可以有效地利用初始检查数据预测牙科感染的ICU入院情况.
- MDCT信息可能提供增量预测价值.
- 这些发现支持将ML整合到口腔和面外科手术中,以改善患者管理.
