基于机器学习的风险预测模型,用于新生儿重症监护病房中药物管理错误:一个前性直接观察性研究
Josephine Henry Basil1, Wern Han Lim2, Sharifah M Syed Ahmad3
1Centre for Quality Management of Medicines, Faculty of Pharmacy, Universiti Kebangsaan Malaysia, Kuala Lumpur, Malaysia.
Digital health
|October 21, 2024
概括
新生儿的药物管理错误 (MAE) 存在重大风险. 这项研究开发了一种机器学习模型,AdaBoost,用于预测MAE,确定静脉注射路线,工作时间和护理经验是干预的关键因素.
科学领域:
- 医疗信息学 医疗信息学
- 新生儿医学 新生儿医学
- 医疗保健中的机器学习
背景情况:
- 由于生理不成熟和复杂的剂量,新生儿非常容易受到药物管理错误 (MAE) 的影响.
- 新生儿的MAE可能会导致严重的伤害和大量的医疗费用.
- 开发MAE预测模型对于患者安全和医疗保健效率至关重要.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测新生儿重症监护室 (NICU) 中的MAE.
- 确定与新生儿中MAE相关的关键风险因素.
- 为及时干预提供一个工具,以减少MAE的发生.
主要方法:
- 在五个马来西亚NICU进行了前性,直接的观察性研究.
- 在制备药物和给药期间直接观察护士,为1093剂量.
- 应用了十个ML算法,AdaBoost根据F1得分被选为表现最好.
主要成果:
- 该AdaBoost模型实现了F1得分为83.28%,准确度为77.63%,ROC曲线下的面积为82.95%.
- 关键预测MAE的关键预测因素包括静脉注射途径,护士工作时间和护理经验.
- 该研究成功地确定了对新生儿MAE预测有影响力的特征.
结论:
- 一个基于ML的模型,特别是AdaBoost,已成功开发和验证用于预测新生儿的MAE.
- 该模型可以帮助医疗保健提供者识别高风险情况并实施及时干预.
- 这种预测方法有可能减少新生儿药物管理的危害并提高安全性.


