机器学习算法的开发,验证和经济评估,用于预测高利血患者损伤的概率:回顾性研究协议
Zhengyao Hou1, Yong Yang1, Bo Deng1
1Personalized Drug Therapy Key Laboratory of Sichuan Province, Department of Pharmacy, Sichuan Provincial People's Hospital, University of Electronic Science and Technology of China, Chengdu, China.
BMJ open
|November 29, 2024
概括
这项研究开发了一种机器学习模型,用于预测患有高利血症 (HUA) 的患者的损伤. 目标是创建一个临床适用的工具,用于早期风险识别和预防HUA相关的损伤.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學.
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 超血 (HUA) 具有严重的损伤风险.
- 现有的HUA相关损伤预测模型缺乏精度和临床适用性.
- 机器学习 (ML) 在预测其他慢性疾病造成的损伤方面表现有前途.
研究的目的:
- 开发和验证一个精确的基于ML的预测模型,用于HUA相关的损伤.
- 评估开发模型的临床适用性,可解释性和公平性.
- 评估经济价值,并为风险预测提供可访问的在线工具.
主要方法:
- 从2018-2021年对患有高尿血或痛风的患者进行了临床数据的回顾性收集.
- 使用数据归算,采样,特征选择和ML算法构建预测模型.
- 评估模型的准确性,可解释性,公平性,净收益和净节省,然后进行外部验证.
主要成果:
- 开发一种高度准确和可解释的ML模型,用于预测与HUA相关的损伤.
- 证明模型的临床适用性和经济价值.
- 成功对最有效的预测模型进行外部验证.
结论:
- 开发的ML模型为预测HUA相关损伤提供了一个精确和临床适用的工具.
- 这种工具可以帮助早期识别风险,从而实现及时干预和预防策略.
- 在线预测工具将提高医疗保健专业人员和患者的可访问性.
