相关实验视频
Updated: Jun 23, 2026
05:37
An R-Based Landscape Validation of a Competing Risk Model
Published on: September 16, 2022
2.0K
一个基于机器学习的诺莫格拉姆模型,用于预测囊炎的复发
Xuhao Liu1, Yuhang Wang1, Yinzhao Wang1
1Department of Urology, National Clinical Research Center for Geriatric Disorders, Xiangya Hospital, Changsha, Hunan, China.
Therapeutic advances in urology
|October 21, 2024
概括
这项研究开发了一种使用机器学习来预测囊炎的复发的诺姆图,识别了尿道感染和血细胞计数等关键因素,以更好地管理患者.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 炎症性疾病 炎症性疾病
- 医疗信息学 医疗信息学
背景情况:
- 囊炎是一种慢性尿道系统炎症性疾病,复发率高.
- 囊炎腺体复发的根本原因仍然在很大程度上是未知的.
- 了解复发因素对于有效的患者管理至关重要.
研究的目的:
- 为了确定囊炎腺体炎复发的预测因素.
- 为预测复发而开发一个预后诺莫格拉姆.
- 建立一个简单可行的模型,用于临床应用.
主要方法:
- 机器学习技术被用来识别复发的关键预测因素.
- 使用已识别的预测因素构建了一个名ogram.
- 模型性能使用接收机操作特征曲线分析,决策曲线分析和校准曲线来验证.
主要成果:
- 这项研究包括252名患者,12个月复发率为57.14%.
- 确定了5种复发的预测因素:尿道感染,尿路结石,乙素细胞计数,淋巴细胞计数和血清.
- 开发的名图表显示出良好的预测性能,AUC值超过0.75.
结论:
- 已经开发出一种可靠的基于机器学习的nomogram,用于预测囊炎腺体炎的复发.
- 这种名图可以帮助识别患有复发高风险的患者.
- 该模型为临床预测和管理策略提供了一个可行的工具.
