在慢性病患者中,使用多种机器学习算法对COVID-19死亡风险的预测建模
Lin Luo1, Peng Gao1, Chunhui Yang2
1Department of Clinical Laboratory, Second Affiliated Hospital of Dalian Medical University, No.467, Zhongshan Road, Shahekou District, Dalian, 116027, Liaoning, China.
Scientific reports
|November 6, 2024
概括
这项研究创建了一个机器学习模型来预测慢性病 (CKD) 的COVID-19患者的死亡风险. 该模型准确地识别高风险个体,以改善临床管理.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 传染性疾病 传染性疾病
- 医疗保健中的机器学习
背景情况:
- 冠状病毒病2019 (COVID-19) 对患有慢性病 (CKD) 的患者构成重大死亡风险.
- 在CKD患者中,现有的COVID-19风险分层需要优化个性化临床管理.
研究的目的:
- 开发和验证一种机器学习预测模型,用于评估患有CKD的COVID-19患者的死亡风险.
- 为了确定临床实验室的关键变量预测死亡率在这个弱势群体.
主要方法:
- 对219名患有CKD的COVID-19患者的临床实验室数据的回顾性分析.
- 开发和评估机器学习算法,包括LightGBM.
- 使用校准曲线,决策曲线分析和ROC曲线进行模型性能评估.
主要成果:
- 光GBM模型显示出强大的预测性能 (AUC=0.833,灵敏度=0.952,特异性=0.714).
- 关键预测因素包括前白蛋白,中性粒细胞百分比,呼吸指数,氧和度,血清二氧化碳,葡萄糖,中性粒细胞数量和尿酸.
- 在46名患者的外部验证证实了该模型的可接受准确性.
结论:
- 开发的机器学习模型是查高风险COVID-19CKD患者的强大工具.
- 这个模型可以支持临床决策,优化资源配置,并促进及时干预,以改善患者的治疗结果.
更多相关视频
09:16Supervised Machine Learning for Semi-Quantification of Extracellular DNA in Glomerulonephritis
Published on: June 18, 2020
6.8K
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
