相关实验视频
Updated: May 17, 2025
09:49
Experimental Model to Evaluate Resolution of Pneumonia
Published on: February 17, 2023
1.1K
在基于可解释机器学习的基础上,开发和验证儿童严重菌性肺炎的早期诊断模型
1Department of Laboratory Medicine, Wuhan Children's Hospital (Wuhan Maternal and Child Healthcare Hospital), Tongji Medical College, Huazhong University of Science & Technology, Wuhan, 430016, China.
Respiratory research
|May 13, 2025
概括
这项研究开发了一种新模型,用于预测儿童严重的Mycoplasma pneumoniae肺炎 (SMPP). 该SCRPT模型使用五个关键指标进行早期诊断,改善儿童肺炎的结果.
科学领域:
- 儿童传染病 儿童传染病
- 计算生物学 计算生物学
- 生物标志物发现发现
背景情况:
- 儿童肺炎,特别是严重的Mycoplasma pneumoniae肺炎 (SMPP),对五岁以下的儿童构成重大健康风险.
- 越来越多的SMPP发病率需要先进的早期预警系统,以改善患者的预后.
研究的目的:
- 开发和验证一个准确的早期预警模型,用于预测儿科患者的SMPP.
- 确定用于早期检测SMPP的关键临床和血清学指标.
- 创建一个简化,临床上适用的SMPP诊断工具.
主要方法:
- 利用拉索回归和八个机器学习算法对597名SMPP患者 (1个月-18岁) 的数据.
- 使用前性队列数据验证模型性能,并使用DCA和CIC曲线评估临床效用.
- 采用SHAP分析来确定简化模型的重要预测变量.
主要成果:
- 使用年龄,性别和21个血清指标构建了8个机器学习模型;LightGBM实现了0.92.9的AUC.
- 一种包含S100A8/A9,CT,RBP,P-LCR和Treg细胞的简化模型 (SCRPT) 显示出强大的诊断疗效 (AUC>0.8).
- 血清S100A8/A9在区分SMPP严重性方面表现优于标准标记物.
结论:
- 基于五个关键变量的SCRPT模型为儿童中SMPP的早期诊断提供了一个有前途的工具.
- 血清S100A8/A9作为评估SMPP严重性的宝贵生物标志物,特别是在资源有限的环境中.
