开发一种机器学习模型,以确定新生儿重症监护病房入院的预测因素

科学领域:

• 新生儿医学 新生儿医学
• 医疗保健中的机器学习
• 预测分析是一种预测分析.

背景情况:

• 新生儿重症监护室 (NICU) 的入院与显著的负面健康结果和成本有关.
• 早期识别风险新生儿对于及时干预和改善预后至关重要.
• 预测模型可以帮助临床医生在资源配置和患者管理方面.

研究的目的:

• 开发和评估一种机器学习系统,用于预测新生儿重症监护室 (NICU) 入院的可能性.
• 确定与新生儿重症监护室入院相关的关键孕产妇和临床因素.
• 通过早期检测,潜在地减少新生儿不良后果和医疗保健成本.

主要方法:

• 从2020年1月到2022年12月使用电子健康记录的回顾性队列研究.
• 对比健康的新生儿与接受新生儿重症监护室治疗的新生儿,以确定显著的预测变量 (p < 0.05).
• 训练和评估九个不同的机器学习模型,使用AUC,准确性,精度,回忆和F1分数来评估性能.

主要成果:

• 整体NICU入院率为15.5% (在3,062例分娩中,有477例).
• 随机森林分类模型展示了最高的预测性能,准确度为0.87和AUC为0.87.
• 对于NICU入院的关键预测因素包括妊娠年龄,母亲年龄,平价,新生儿死亡史,分娩开始,多胎妊娠,胎儿痛苦,染的羊水,分娩方法,新生儿体重和性别.

结论:

• 机器学习模型,特别是随机森林,可以有效地预测NICU入院.
• 识别的母体和临床因素为风险分层提供了宝贵的见解.
• 开发的系统可以帮助预测新生儿护理的需要,并告知孕妇关于潜在的NICU入院风险.