基于机器学习的糖尿病肺部感染个性化预测模型的构建

科学领域:

• 传染性疾病 传染性疾病
• 内分泌学 在内分泌学.
• 医疗信息学 医疗信息学

背景情况:

• 糖尿病患者患肺部感染的风险增加.
• 早期识别高风险个体对于有效管理至关重要.

研究的目的:

• 开发和验证一种基于临床特征的诺米克图,用于预测糖尿病患者肺部感染风险.
• 改进这一群体肺炎的早期检测和干预策略.

主要方法:

• 168名患有肺部感染 (糖尿病和非糖尿病) 的患者的回顾性招募.
• 使用LASSO和多变量逻辑回归来构建预测性名ogram的特征选择.
• 模型验证使用ROC分析,校准曲线和DCA.

主要成果:

• 高龄,男性性别,异常中性粒细胞数量,HbA1c升高和FPG是独立的危险因素.
• 诺莫图实现了高分辨能力,AUC为0.919 (培训) 和0.862 (验证).
• 良好的校准和临床实用性被DCA证实.

结论:

• 为预测糖尿病患者肺炎风险而开发了一种强大且具有临床适用性的名图谱.
• 该模型具有很高的准确性,可以帮助临床医生识别需要早期预防措施的患者.
• 该工具支持及时干预,以获得更好的患者结果.