基于机器学习算法的创伤性脑损伤患者住院时间预测系统的开发:以用户为中心的设计案例研究
Huan Zhou1, Cheng Fang2, Yifeng Pan1
1The School of Big Data and Artificial Intelligence, Anhui Xinhua University, Hefei, China.
JMIR human factors
|August 30, 2024
概括
机器学习准确地预测创伤性脑损伤 (TBI) 患者住院时间. 这种工具有助于资源配置,并减少TBI患者的医疗负担.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
- 神经外科 神经外科
背景情况:
- 创伤性脑损伤 (TBI) 给全球健康带来了重大挑战,并增加了社会医疗成本.
- 对TBI患者住院时间的预测建模可以优化资源配置并减轻医疗保健负担,特别是在资源有限的地区,如中国.
研究的目的:
- 开发和验证基于机器学习的系统,用于预测创伤性脑损伤 (TBI) 患者住院时间.
- 为患者,护士和医生提供可访问的工具,以改善临床决策.
主要方法:
- 研究人员利用了2017年5月至2022年5月期间1128名TBI患者的数据集.
- 6个机器学习模型被训练并使用5倍交叉验证进行评估,28个输入变量和住院时间作为输出.
- 性能最好的模型,支持向量回归 (SVR),是根据错误率和合适度 (R2) 选择的,并根据外部数据集进行验证.
主要成果:
- 支持向量回归 (SVR) 模型表现出卓越的性能,测试误差最低 (10.22%) 和合适度最高 (90.4%).
- SVR的表现优于其他模型,包括卷积神经网络,逆向传播神经网络,随机森林,物流回归和多层感知器.
- 外部验证证实了SVR模型在预测TBI患者住院时间方面的强度和可靠性.
结论:
- 机器学习,特别是SVR模型,提供了一个非常准确的方法来预测TBI患者住院时间.
- 开发的预测系统在临床上有价值,有效地支持神经外科的患者护理和资源管理.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:21Systems Analysis of the Neuroinflammatory and Hemodynamic Response to Traumatic Brain Injury
Published on: May 27, 2022
3.1K
