基于机器学习的老年住院患者 Delirium 风险预测模型的开发和验证:前性队列研究
Xu-Hua Zhou1, Di-Fei Duan2, Meng Zhang3
1Hemodialysis Center, Department of Nephrology, West China Hospital, Sichuan University/West China School of Nursing, Sichuan University, Chengdu, Sichuan, People's Republic of China.
Journal of advanced nursing
|September 2, 2025
概括
这项研究开发了一种机器学习模型来预测老年住院患者的妄想. 随机森林模型表现出色,有助于早期诊断和改善患者护理的临床决策.
科学领域:
- 老年医学
- 医疗保健中的人工智能
- 临床信息学
背景情况:
- 痴呆症是老年患者常见的并发症,与不良结果相关.
- 早期诊断和干预对于治疗妄想症至关重要.
- 现有的预测方法可能缺乏准确性和效率.
研究的目的:
- 开发和验证基于机器学习 (ML) 的老年住院患者妄风险预测模型.
- 确定主要的临床特征预测妄想.
- 为了比较不同的ML算法用于妄想风险预测.
主要方法:
- 这是一项前性队列研究,涉及973名老年住院患者.
- 从电子病历收集18个临床特征.
- 包括随机森林在内的四个ML模型的开发和验证.
- 使用AUC,精度,灵敏度和Brier分数进行性能评估.
主要成果:
- 随机森林模型的AUC值为0.908,准确度为0.935,灵敏度为0.992.
- 在训练和测试组中,ML模型表现出高的预测性能.
- 该模型有效地识别出患有妄想风险的患者.
结论:
- 开发的ML模型显示了老年住院患者妄的良好预测性能.
- 这种工具可以帮助医疗保健专业人员进行早期诊断和明智的临床决策.
- 早期发现有助于预防措施和个性化护理策略.


