开发机器学习模型,以预测患有帕维病毒肠炎的狗的临床结果和康复时间

科学领域:

• 兽医医学 兽医医学 兽医医学
• 传染性疾病 传染性疾病
• 机器学习在动物健康中的应用

背景情况:

• 狗类帕维病毒 (CPV) 是狗的高度传染性病毒性疾病,经常出现严重的胃肠道症状.
• 传统的生物标志物如SIRS,白血病,中性病和CRP被用来预测CPV的结果.
• 机器学习 (ML) 为使用各种变量开发预测模型提供了先进的功能.

研究的目的:

• 开发和评估ML模型来预测CPV感染的狗的临床结果.
• 构建ML模型来估计CPV感染狗的恢复时间.
• 评估ML在整合CPV预后临床和非临床数据方面的有效性.

主要方法:

• 使用10个ML算法来预测临床结果,利用SIRS,疫苗接种状态和除虫史等变量.
• 用四个ML算法来估计恢复时间,包括脱水和临床症状等因素.
• 用准确度,AUC (ROC曲线下的面积),MSE和RMSE来评估模型性能.

主要成果:

• 临床结果预测模型在测试数据集上实现了0.84的平均准确度得分,0.90的AUC得分和0.73的AUC.
• 恢复时间预测模型在测试组中显示了2天的平均误差 (RMSE = 2.05).
• 开发的ML模型有效地整合了诊断的临床和实验室特征.

结论:

• ML模型提供了一个强大而有效的工具,用于预测CPV的狗的生存和恢复时间.
• 这些模型可以帮助兽医在早期预后和优化CPV感染狗的治疗策略.
• 各种数据类型的整合提高了犬类帕维病毒结果的预测准确性.