使用人工智能建模,为65岁以上患有落相关TBI的患者开发临床决策支持
Biche Osong1, Eric Sribnick1,2,3, Jonathan Groner1,3,4
1Center for Pediatric Trauma Research and Center for Injury Research and Policy, The Abigail Wexner Research Institute at Nationwide Children's Hospital, Columbus, Ohio, United States of America.
PloS one
|February 3, 2025
概括
一个新的决策树准确地预测了创伤性脑损伤 (TBI) 的老年人的出院倾向. 这种工具有助于通过识别死亡或离院风险较高的患者,特别是那些没有接受VTE预防的患者,来帮助医疗决策.
科学领域:
- 老年医学 老年医学
- 神经学 神经学
- 在医疗保健中的数据科学.
背景情况:
- 老年人不成比例地受到创伤性脑损伤 (TBI) 的影响,特别是在跌倒后.
- 老年人TBI管理是复杂的,因为脆弱和临床下降.
- 人口老龄化和并发性疾病需要改善老年TBI患者的护理质量.
研究的目的:
- 开发和验证一个多项决策树,用于预测与跌倒相关的TBI老年患者的出院倾向.
- 用早期入院变量进行预测建模.
- 改善老年人TBI的临床决策和护理管理.
主要方法:
- 来自国家创伤数据库 (2017-2021) 的11,977名患有摔倒相关TBI的老年患者的回顾性分析.
- 使用的临床变量:格拉斯哥昏迷量表 (GCS),内压力监测器的使用,静脉血栓栓塞 (VTE) 预防和生命体征.
- 开发了一个有条件推理树算法,将数据分成80%的训练和20%的测试集;通过曲线下面面积 (AUC) 测量性能.
主要成果:
- 一个由七个变量组成的决策树有效地预测了出院处置 (家庭,护理机构,死者).
- 关键预测因素包括GCS,损伤严重程度和VTE预防的类型;缺乏VTE预防增加了死亡风险.
- 该模型在训练和测试队列中表现出良好的预测性能,AUC值在0.64到0.77之间.
结论:
- 一个内部验证的多项式决策树可以预测TBI老年患者的出院目的地.
- 决策树是护理人员的宝贵决策支持工具.
- 建议使用前性数据进行外部验证,以确认预测和临床效用.
更多相关视频
09:49Assessing Changes in Synaptic Plasticity Using an Awake Closed-Head Injury Model of Mild Traumatic Brain Injury
Published on: January 20, 2023
2.6K
06:09Low-intensity Blast Wave Model for Preclinical Assessment of Closed-head Mild Traumatic Brain Injury in Rodents
Published on: November 6, 2020
2.6K