在急性缺血性中风中使用机器学习预测医院获得感染的模型
Chun-Wei Chang1,2, Chien-Hung Chang1,2, Chia-Yin Chien1,2
1Department of Neurology, Chang Gung Memorial Hospital-Linkou Medical Center, No.5, Fusing St., Guishan Dist., Taoyuan City, 333423, Taiwan.
Scientific reports
|December 28, 2024
概括
机器学习模型现在可以预测急性缺血性中风 (AIS) 患者在医院获得的感染 (HAI). 这些模型还预测AIS患者发展HAI的功能结果不佳.
科学领域:
- 医疗信息学 医疗信息学
- 神经学 神经学
- 传染性疾病 传染性疾病
背景情况:
- 医院获得的感染 (HAI) 是急性缺血性中风 (AIS) 患者的一个重要问题,导致不良功能结果.
- 目前,没有特定的预测模型可用于识别AIS患者的HAI风险.
研究的目的:
- 开发和验证用于预测AIS患者中HAI发生的机器学习模型.
- 建立一个模型来预测AIS患者发展HAI的30天不良功能结果.
主要方法:
- 在6560名AIS患者的电子健康记录上使用了渐变增强机器学习算法.
- 使用内部交叉验证和3521名AIS患者的独立外部队列验证模型性能.
主要成果:
- 在AIS患者中HAI预测模型实现了强大的性能,接收器运行特征曲线 (AUROCs) 下面的区域为0.857 ± 0.008 (内部) 和0.825 ± 0.002 (外部).
- 第二个模型有效地预测了AIS患者与HAI的30天不良功能结果,显示AUROC为0.905 ± 0.009 (内部) 和0.907 ± 0.002 (外部).
结论:
- 机器学习模型在识别HAI风险和预测AIS患者的功能结果方面具有显著的潜力.
- 建议进行进一步的前性研究,以验证和完善这些模型的临床实施,可能通过可访问的工具,如流程图或评分系统.
