在受伤的成年人中开发和验证出院处置预测模型

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的机器学习
• 创伤外科手术的结果

背景情况:

• 准确预测医院后处置对于患者护理规划至关重要,特别是对于35-70岁的成年人.
• 在这个人口群体中,出院目的地的不确定性 (家庭 vs 后急症护理) 较高.
• 早期预测有助于更好的咨询和资源配置.

研究的目的:

• 利用早期入院数据开发和验证排放处置的预测模型.
• 预测患者的结果,包括家庭出院,康复,熟练护理机构或死亡率.
• 利用机器学习来改善创伤护理中的临床决策.

主要方法:

• 使用国家创伤数据库 (2007-2016) 进行回顾性队列研究.
• 使用前24小时的患者数据开发一个堆组合机器学习模型.
• 使用曲线下面面积 (AUC),F1得分,回忆和精度的性能评估,在宾夕法尼亚创伤结果研究中进行外部验证.

主要成果:

• 从表现最好的三个基本模型中构建了一个堆组合模型.
• 该模型在内部数据上实现了高预测性能,AUC从0.73到0.97不等.
• 在外部验证数据上,强烈的概括性得到证实,AUC从0.71到0.97.

结论:

• 一个强大的堆叠组合模型可以在入院24小时内预测受伤的成年人的出院安排.
• 该模型显示了在早期出院规划和患者指导方面有很大的潜力.
• 建议进行进一步的外部验证,以充分实现该模型的临床实用性.