机器和深度学习模型在成人ICU患者中预测痴呆的性能:系统性审查
Mohammed Musaed Al-Jabri1, Huda Anshasi2
1Department of Nursing, College of Applied Medical Sciences, Prince Sattam Bin Abdulaziz University, Wadi Aldawaser, Saudi Arabia.
International journal of medical informatics
|June 13, 2025
概括
机器学习模型显示出预测重症监护室 (ICU) 痴呆症的前景. 虽然有效,但需要进一步的研究来解决方法上的局限性,并提高临床通用性.
科学领域:
- 关键护理医学 关键护理医学
- 医疗保健中的人工智能
- 预测分析是一种预测分析.
背景情况:
- 妄想是重症监护室 (ICU) 中常见的并发症.
- 精确预测狂妄症对于及时干预和改善患者结果至关重要.
- 机器学习 (ML) 和深度学习 (DL) 为开发复杂的预测模型提供了潜力.
研究的目的:
- 系统地审查和评估使用ML或DL模型预测ICU患者痴呆症的研究的方法质量.
- 总结这些预测模型的性能和局限性.
主要方法:
- 对六个电子数据库进行了系统审查.
- 预测模型偏差风险评估工具 (PROBAST) 用于质量评估.
- 包括2018年至2024年间发表的11项研究.
主要成果:
- 物流回归和随机森林模型显示出强大的预测性能 (AUROC 0.83-0.91).
- 先进的DL技术对复杂的ICU数据显示出了希望.
- 常见的局限性包括过度装配,缺乏外部验证,以及对缺少数据的处理不完整.
结论:
- 机器学习模型,特别是后勤回归和随机森林,对ICU Delirium预测有希望.
- 先进的DL模型可以提高准确性,但需要进一步验证.
- 方法严谨,包括前性验证,对于临床实施至关重要.
