机器学习模型的开发和外部验证,以使用动态因素预测支气管肺功能障碍
Ho Jung Choi1,2, Garam Lee3, Seung Han Shin4,5
1Department of Pediatrics, Seoul National University College of Medicine, Seoul, Korea.
Scientific reports
|April 19, 2025
概括
预测早产婴儿的支气管肺功能障碍是更准确的,当包括早期的动态因素,如呼吸支. 这种动态模型显著提高了预测准确性,而不是单纯的静态因素.
科学领域:
- 新生儿科学 新生儿科学
- 儿科肺病学 儿科肺病学
- 医疗信息学 医疗信息学
背景情况:
- 支气管肺功能障碍症 (BPD) 是早产婴儿的一个重大并发症.
- 准确预测BPD对于及时干预和改善结果至关重要.
研究的目的:
- 为了提高预测中度或重度支气管肺功能障碍在早产婴儿的准确性.
- 评估将产后动态因素纳入预测模型的影响.
主要方法:
- 在怀孕32周之前出生的新生儿的回顾性队列研究.
- 在前7天内评估静态周产期风险因素和动态因素 (呼吸支,氧度,血液气体分析).
- 开发并验证使用开发,内部和外部数据集的综合预测模型.
主要成果:
- 结合静态和动态因素的综合模型显示出优异的预测性能 (AUROC 0.841在开发集中).
- 内部验证显示,集成模型的AUROC显著改善 (0.912比0.805).
- 外部验证证实了该模型的强大性能 (AUROC 0.814).
结论:
- 结合早期的动态因素,特别是呼吸支和血液气体分析,大大提高了BPD预测的准确性.
- 开发的综合模型提供了一个更精确的工具,用于识别高风险患BPD的早产婴儿.
- 这种增强的预测能力可以指导临床管理,并可能减少BPD的发生率和严重程度.
