关于CDS故障的专题:在开发和部署预测模型之间的性能退化对于住院儿童中中枢线相关的血液流感染的预测模型
Jonathan M Beus1,2, Mark Mai3, Nikolay P Braykov1
1Pediatrics, Children's Healthcare of Atlanta Inc, Atlanta, United States.
Applied clinical informatics
|May 12, 2025
概括
实施儿科中枢线相关血流感染 (CLABSI) 的预测模型是具有挑战性的. 业绩不佳与数据问题和部署障碍有关,强调需要更好的协调.
科学领域:
- 临床信息学 临床信息学
- 医疗保健中的机器学习
- 针对传染病的预测分析.
背景情况:
- 中枢线相关的血流感染 (CLABSI) 对儿科患者构成重大风险.
- 对CLABSI的预测模型可以增强监测和预防策略.
- 以前的in silico模型显示了对CLABSI预测的承诺.
研究的目的:
- 未来实施一个儿科CLABSI预测模型.
- 为了验证模型的性能,用于临床实践的整合.
- 确定将预测模型转化为临床环境中的挑战.
主要方法:
- 开发了用于组织实时和历史患者数据的新型基础设施.
- 利用了需要大量功能预处理的深度学习模型.
- 使用两种不同的CLABSI标签方法比较预测性能.
主要成果:
- 模型性能 (AUROC) 从0.97 (追溯) 显著下降到<0.60 (前性).
- 发现的主要问题是火车/服务倾斜,特征泄漏和过度装配.
- 其次因素包括复杂的规范,数据治理和部署团队协调.
结论:
- 弥合模型开发和临床部署之间的差距需要跨学科的合作.
- 数据治理,数据科学和临床信息学之间的早期协调至关重要.
- 将预测准确度与实施可行性的平衡是采用临床决策支持系统的关键.
