机器学习用于预测复发性中风的性能:对24350名患者进行系统审查和元分析
Mohammad Amin Habibi1, Farhang Rashidi2, Ehsan Mehrtabar3
1Department of Neurosurgery, Shariati Hospital, Tehran University of Medical Sciences, Tehran, Iran. mohammad.habibi1392@yahoo.com.
Acta neurologica Belgica
|November 6, 2024
概括
机器学习 (ML) 显示出预测复发性中风的潜力,提供中等到高精度. 需要进一步的研究来标准化模型,以改善临床决策和预防中风的患者结果.
科学领域:
- 神经学 神经学
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 卒中是全球死亡和残疾的主要原因之一.
- 重复性中风影响大约三分之一的中风幸存者.
- 预测复发性中风对于患者管理至关重要.
研究的目的:
- 调查机器学习 (ML) 算法对复发性中风的预测价值.
- 系统地审查和元分析ML模型在反复性中风预测中的性能.
主要方法:
- 按照PRISMA指南进行系统审查和元分析.
- 在PubMed,Scopus,Embase和Web of Science数据库中进行了搜索.
- 使用QUADAS-2进行质量评估,使用STATA进行诊断元分析.
主要成果:
- 包括12项研究,涉及24350名参与者.
- 聚合的灵敏度:71%,特异性:88%.
- 预测复发性中风的曲线下的面积 (AUC) 为0.82.2.
结论:
- 机器学习模型在预测复发性中风方面表现有前途.
- 观察到中度至高灵敏度和特异性.
- 标准化和进一步的研究是必要的,以提高模型的可靠性和临床适用性.
