在小儿创伤性脑损伤中预测结果,利用健康的社会决定因素和机器学习方法
Artem Kaliaev1, Maryam Vejdani-Jahromi1, Adrian Gunawan1
1From the Radiology Department of Boston University Medical Center, Boston, MA, 02171 (Artem Kaliaev, Muhammad Qureshi, Bindu N Setty, Chad Farris, Mohamad AbdalKader, Asim Mian), from the Radiology Department of Tufts University Medical Center, Boston, MA, 02111 (Maryam Vejdani-Jahromi), from Radiology Department of Beth Israel Deaconess Medical Center, Boston, MA, 02215 (Adrian Gunawan), from Neurology Department of John Muir Health, Walnut Creek, CA 94598 (Courtney Takahashi).
AJNR. American journal of neuroradiology
|August 11, 2025
概括
健康的社会决定因素显著影响儿科创伤性脑损伤 (TBI) 的结果. 机器学习算法使用年龄和保险类型等因素准确预测头部CT发现,帮助临床决策.
科学领域:
- 儿科创伤性脑损伤 (TBI) 研究研究
- 医学机器学习应用 医学机器学习应用
- 公共卫生和健康差异
背景情况:
- 社会经济差异显著影响患有创伤性脑损伤 (TBI) 的儿科患者.
- 了解健康的社会决定因素对于改善TBI结果至关重要.
- 现有研究强调了儿童TBI医疗保健和治疗结果的差异.
研究的目的:
- 分析健康的社会决定因素对儿科头部损伤结果的影响.
- 开发一种新的机器学习算法 (MLA),用于预测儿科TBI中的头部计算机断层扫描 (CT) 发现.
- 将社会经济因素纳入儿科头部CT结果的预测模型.
主要方法:
- 在新英格兰安全网医院 (2006-2013) 的211名儿科突击创伤患者的回顾性队列研究.
- 收集的社会经济数据 (种族,语言,收入,保险) 和临床数据 (ISS,年龄,性别,机制).
- 通过分层抽样,五倍交叉验证和超参数调整,培训和评估了22名多参数MLA.
主要成果:
- 伤害严重性评分 (ISS),年龄和保险类型是脑部CT结果的重要预测因素 (p<0.05).
- 在5岁以下的儿童中,与没有 (9.1岁) 的儿童相比,头部CT检测结果呈阳性,平均年龄较高 (1.8岁).
- 一种精细高斯支向量机 (SVM) 模型实现了0.923的曲线下的最高测试面积 (AUC),精度为0.837.
结论:
- 在儿科TBI中临床相关的头部CT发现的关键预测因素包括ISS,年龄和健康的社会决定因素.
- 五岁以下的儿童被确定为具有重大头部CT发现的高风险组.
- 一种新的Fine Gaussian SVM模型在预测儿科TBI结果方面表现出高准确性,有可能改善临床决策和减少辐射暴露.
