使用机器学习技术,预测易布洛芬治疗失败的模型,在非常早产的婴儿与专利的动脉管使用机器学习技术
María Carmen Bravo1, Emilio Parrado-Hernández2, Patrick J McNamara3,4
1Department of Neonatology, La Paz University Hospital, Madrid, Spain. mcarmen.bravo@salud.madrid.org.
概括
机器学习可以预测早产婴儿的布洛芬治疗失败,这些婴儿有专利性动脉管道. 早期识别不响应患者可能会改善治疗决策和治疗结果.
科学领域:
- 新生儿医学 新生儿医学
- 儿童心脏病学 儿童心脏病学
- 医疗信息学 医疗信息学
背景情况:
- 在早产婴儿的专利导管动脉 (PDA) 的管理是持续辩论的主题.
- 布洛芬是一种常见的治疗方法,但预测治疗失败 (TF) 是具有挑战性的.
- 开发预测工具可以帮助临床决策.
研究的目的:
- 开发和评估一种机器学习 (ML) 算法,用于预测非常早产婴儿的布洛芬TF.
- 评估TF与其他新生儿结局之间的关联.
主要方法:
- 一项临床试验的二次分析,涉及非常早产的婴儿接受了PDA的静脉注射布洛芬治疗.
- 开发一个使用ML技术来识别TF的预测模型.
- 对TF对新生儿结局的影响的统计分析.
主要成果:
- 这项研究包括146名婴儿.
- 使用ML的后勤回归模型预测了TF,曲线下的面积 (AUC) 为0.65.
- 支气管肺功能障碍症 (BPD) 与TF显著相关 (p=0.03).
结论:
- 机器学习模型可以在PDA中可行地预测ibuprofen TF.
- 这些预测模型可以帮助临床医生优化PDA治疗策略.
- 早期识别不响应者可能会导致替代治疗,并可能减少不良影响.
