pyAKI-一个开源解决方案,用于自动化急性损伤分类

科学领域:

• 关键护理医学 关键护理医学
• 生物医学信息学 生物医学信息学
• 腎臟病學 (nephrology) 是一種醫學專業.

背景情况:

• 急性损伤 (AKI) 影响高达50%的重症患者.
• 目前用于将KDIGO标准应用于时间序列数据的方法缺乏标准化,导致资源密集型,可变的实现.
• 这种变化可能会影响AKI研究的质量和可重复性.

研究的目的:

• 介绍pyAKI,这是一个开源管道,用于实现一致的KDIGO标准.
• 解决AKI研究中对标准化,可访问的工具的需求.
• 在时间序列数据中促进准确的AKI分类.

主要方法:

• 使用MIMIC-IV数据库开发和验证了pyAKI管道.
• 为可重现性构建了一个标准化的数据模型.
• 实施了KDIGO指导方针,用于使用血清肌素和尿输出数据进行AKI诊断.
• 将pyAKI的诊断准确度与医生注释进行了比较.

主要成果:

• 在实施KDIGO标准方面,pyAKI表现出了强的表现.
• 对专家注释的验证证实了高准确度.
• 对比分析显示,pyAKI在所有类别中以1.0的准确度超过了人类标签质量.

结论:

• pyAKI是第一个开源解决方案,用于在时间序列数据中实现KDIGO标准.
• 提供了一个标准化模型,用于在研究中一致的AKI分类.
• 为临床研究和决策支持系统提供了有价值,准确的工具.