使用机器学习方法预测急性损伤预后:系统性审查
Yu Lin1,2,3, Tongyue Shi1,2,4, Guilan Kong1,2,4
1National Institute of Health Data Science, Peking University, Beijing, China.
Kidney medicine
|January 6, 2025
概括
机器学习模型在预测急性损伤 (AKI) 死亡率方面表现有前途,优于传统方法. 然而,它们在预测功能恢复方面的准确性需要改进,以便做出更好的临床决策.
科学领域:
- 医疗信息学 医疗信息学
- 腎臟病學 (nephrology) 是一種醫學專業.
- 机器学习 机器学习
背景情况:
- 准确预测急性损伤 (AKI) 的住院结果对于临床决策至关重要.
- 机器学习 (ML) 模型提供了使用行政数据改进AKI预后预测的潜力.
研究的目的:
- 系统地审查基于ML的预测模型,用于医院内AKI预后.
- 与传统方法相比,评估这些模型的性能.
主要方法:
- 按照PRISMA指南进行系统审查.
- 在主要数据库 (PubMed,Embase,Web of Science,Scopus,CINAHL) 搜索了2014-2024年的研究.
- 关于预测AKI结果的ML模型的27项符合条件的研究的定性综合和元分析.
主要成果:
- ML模型在预测AKI死亡率方面表现优越 (AUROC 0.831) 与传统方法 (AUROC 0.772) 相比.
- 死亡率的关键预测因素包括年龄,血清肌素和白细胞计数.
- 预测功能恢复的准确性较低;常见的预测因素包括AKI阶段和估计的膜过率.
结论:
- 机器学习模型显示了改善临床决策和AKI管理中的患者结果的巨大潜力.
- 需要进行进一步的研究,以提高这些模型在各种医院环境中的通用性和验证性.


