儿科重症监护室停留时间 机器学习预测
Hammad A Ganatra1, Samir Q Latifi1,2, Orkun Baloglu1,2
1Division of Pediatric Critical Care, Cleveland Clinic Children's, Cleveland, OH 44195, USA.
Bioengineering (Basel, Switzerland)
|October 25, 2024
概括
机器学习模型准确地预测了儿科重症监护室 (PICU) 停留时间 (LOS),超过了人类的预测. 这些先进的模型可以改善PICU资源管理.
科学领域:
- 儿科重症监护室的儿童重症监护室
- 机器学习 机器学习
- 医疗信息学 医疗信息学
背景情况:
- 预测儿科重症监护室 (PICU) 停留时间 (LOS) 对资源和人员管理至关重要.
- 传统的统计方法和人类预测对LOS预测的准确性有局限性.
研究的目的:
- 开发和验证用于预测PICU LOS的机器学习 (ML) 模型.
- 将各种ML算法的准确性与传统方法进行比较.
主要方法:
- 来自虚拟儿科系统 (VPS) 数据库 (2015-2020) 的123,354例患者遭遇的回顾性分析.
- 评估ML模型,包括渐变增强,CatBoost和循环神经网络 (RNN) 以在各种时间值下预测LOS.
- 将ML模型性能与传统预测方法进行比较.
主要成果:
- 梯度提升,CatBoost和RNN模型在预测PICU LOS方面达到最高准确度 (70-73%),特别是在36小时和48小时的门.
- 这些ML模型显著优于传统方法,其准确性约为50%.
- 这些模型显示出平衡的灵敏度 (高达74%) 和特异性 (高达82%).
结论:
- 机器学习模型,特别是梯度提升,CatBoost和RNNs,在预测PICU LOS方面表现出中等的有效性.
- 这些模型对现有的预测方法和人类估计进行了显著改进.
- 通过专门的数据库进行进一步的改进,可以提高PICU管理的临床适用性和准确性.
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
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
7.5K
