在医疗保健中对儿科败血症预测技术进行范围审查

科学领域:

• 儿科重症监护医药 儿科重症监护医药
• 医疗信息学 医疗信息学
• 生物统计学 生物统计学

背景情况:

• 儿科败血症仍然是致病率和死亡率的重要原因.
• 准确及时预测儿科败血症对于改善患者的治疗结果至关重要.
• 数据驱动技术,包括人工智能 (AI) 和机器学习 (ML),为增强败血症预测提供了潜力.

研究的目的:

• 对数据驱动技术的最新进展进行范围审查,以预测非新生儿儿科败血症.
• 确定这些预测技术的方法,绩效指标和实施挑战.
• 突出研究中的差距,并建议未来发展和整合这些工具的方向.

主要方法:

• 在非新生儿儿儿科群体中对数据驱动性败血症预测的文献进行系统搜索和选.
• 包括27项评估AI,ML和其他预测方法的研究.
• 分析研究特征,数据源,预测时间点,绩效指标和报告的实施因素.

主要成果:

• 大多数研究 (85%) 是单一中心,许多 (59%) 使用后勤回归.
• 很大一部分研究 (74%) 使用低败血症流行率的数据集,影响了概括性.
• 绩效指标 (AUC0.56-0.99) 和对人为因素 (工作流程,临床判断) 的报告高度可变且报告不一致.

结论:

• 目前用于儿科败血症预测的数据驱动技术因研究设计局限性和不一致的报告而面临挑战.
• 终点定义的变化凸显了对标准化标准的需求,例如2024年共识标准.
• 未来的研究必须优先考虑临床用户参与,以确保这些技术安全有效地融入儿科卫生保健机构.