相关实验视频
Updated: Jun 14, 2025
04:27
Intratracheal Instillation of Stem Cells in Term Neonatal Rats
Published on: May 4, 2020
5.6K
早期预测支气管肺功能障碍症: 建模方法的比较,开发和验证研究
Heloise Torchin1,2, Paula Dhiman3, Pierre-Yves Ancel4,5
1Université Paris Cité, Epidemiology and Statistics Research Center/CRESS, INSERM, INRAE, Paris, France. heloise.torchin@inserm.fr.
Pediatric research
|June 12, 2025
概括
随机森林模型在预测支气管肺功能障碍 (BPD) 或非常早产婴儿的死亡方面没有超过后勤回归. 这两种方法在出生后不久显示出类似的预测性能,在欧洲各地区存在差异.
科学领域:
- 新生儿医学 新生儿医学
- 临床预测建模模型
- 医疗保健中的机器学习
背景情况:
- 使用机器学习预测医疗事件越来越普遍.
- 机器学习对传统方法的附加值需要评估.
- 支气管肺功能障碍 (BPD) 或死亡是非常早产婴儿的关键结果.
研究的目的:
- 为了比较后勤回归和随机森林模型在预测非常早产婴儿的BPD或死亡方面的表现.
- 用内部和外部验证队列来评估这些模型的预测准确性.
- 为了确定机器学习是否为这个人群提供了优越的预测,而不是物流回归.
主要方法:
- 利用两个基于人口的群体 (EPIPAGE-2和EPICE) 非常早产婴儿 (怀孕30周之前出生).
- 开发并验证了后勤回归和随机森林模型,使用出生后不久或第三天可用的预测因素.
- 使用歧视 (c-统计) 和校准图表评估模型性能.
主要成果:
- 在EPIPAGE-2中,BPD/死亡的患病率为32.1%,在EPICE中为41.0%.
- 后勤回归和随机森林模型在内部验证过程中表现相似.
- 外部验证显示了良好的歧视 (c-统计~0.80-0.81),但模型低估了BPD/死亡概率,在欧洲各地区进行了异质校准.
结论:
- 机器学习 (随机森林) 模型在出生后不久的非常早产婴儿中预测BPD或死亡时没有显示出优于逻辑回归的性能.
- 建议使用后勤回归模型,因为它们的性能类似,易于理解,传播和应用.
- 模型校准在欧洲各国各不相同,突出了需要特定环境验证的需要.
