评估预测模型与听力障碍库存,用于慢性中耳炎患者的老年人

科学领域:

• 耳鼻喉科 耳鼻喉科 耳鼻喉科
• 医疗信息学 医疗信息学
• 生物统计学 生物统计学

背景情况:

• 慢性中耳炎 (COM) 可能会影响听力能力.
• 在COM患者中评估功能性听力对于管理至关重要.
• 预测建模为评估听力水平提供了一种新的方法.

研究的目的:

• 评估预测建模技术在评估COM患者功能性听力能力方面的有效性.
• 为了比较物流和随机森林模型的性能,使用老年人听力障碍清单 (HHIE) 问卷.
• 研究这些模型在识别COM患者的听力水平方面的潜力.

主要方法:

• 对289个有COM的个人进行了回顾性,横截面研究.
• 使用了老年人听力障碍清单 (HHIE) 问卷.
• 应用并比较了物流和随机森林预测模型.

主要成果:

• 与随机森林模型相比,物流模型获得了更高的准确性 (73.56%),AUC (0.73),Kappa (0.45) 和F1得分 (0.78).
• 逻辑回归证明了COM患者听力水平的优异预测性能.
• 耳状态是COM队列中分析的关键特征.

结论:

• 逻辑回归显示出预测COM中的听力水平的前景,尽管未达到基准AUC.
• 将预测建模与HHIE问卷相结合,可以提高COM的诊断准确性.
• 更大的数据集可能会进一步提高这些用于COM管理的预测模型的可靠性和性能.