基于机器学习的外科住院患者妄预测:一项前性验证研究

科学领域:

• 临床信息学 临床信息学
• 人工智能在医学中的应用
• 手术患者护理手术患者护理

背景情况:

• 痴呆症是住院患者常见的严重并发症,通常是可以预防的.
• 鉴定有风险的患者是具有挑战性的,因为临床工作量和当前查工具的局限性.

研究的目的:

• 为了验证基于机器学习 (ML) 的妄预测工具,用于外科住院患者.
• 通过现有的电子健康记录 (EHR) 数据实时评估该工具的性能.

主要方法:

• 一项前性验证研究,涉及血管,创伤和骨科部门的738名外科住院患者.
• 使用每天两次的DOS尺度进行 Delirium 查.
• 通过使用EHR数据在入院时和入院晚上使用ML算法实时预测妄风险.

主要成果:

• 103名患者 (14.0%) 的查结果为痴呆症呈阳性.
• ML算法正确识别了85名 (82.5%) 患有妄想症的患者.
• 该算法实现了0.883的接收器运行特征曲线 (AUROC) 下面的面积,表明了高的区分性性能.

结论:

• 基于ML的妄想预测工具在手术患者中表现出高的歧视性表现.
• 这项技术有可能取代耗时的选方法.
• 未来的实施可能会导致更有效的妄想预防策略.