合成数据驱动的急性损伤早期预测框架,用于接受万科米辛和塞法胺/阿维巴克坦的患者
Maryam Ramazani1, Todd Brothers2, Imtiaz Ahmed1
1Industrial & Management Systems Engineering Department, West Virginia University, Morgantown, West Virginia, USA.
这项研究发现,虽然Ceftazidime/avibactam (AVI) 与Vancomycin (VAN) 的新急性损伤 (AKI) 发生率较低,但合成数据模型显著改善了接受VAN-AVI治疗的患者早期AKI预测.
科学领域:
- 药理学和毒理学 药理学和毒理学
- 腎臟病學 (nephrology) 是一種醫學專業.
- 人工智能在医学中的应用
背景情况:
- 结合塞夫塔齐/阿维巴克坦 (VAN-AVI) 与万科米辛 (VAN) 的毒性风险尚未得到充分了解.
- 两种VAN和ceftazidime/avibactam都与急性损伤 (AKI) 独立相关.
研究的目的:
- 评估与VAN-AVI同时治疗相关的AKI风险.
- 开发合成数据模型,用于在VAN-AVI治疗患者中早期预测AKI.
主要方法:
- 电子健康记录的回顾性分析 (2015-2022年).
- 在VAN-AVI,VAN-piperacillin/tazobactam (VAN-TPZ) 和VAN单疗群中对AKI发病率的比较.
- 应用治疗权重的逆概率 (IPTW) 和合成数据生成 (CTGAN,TVAE) 来解决样本不平衡.
- 用合成数据增强机器学习 (ML) 模型,用于AKI预测.
主要成果:
- 与单独使用VAN相比,VAN-AVI与AKI的风险更高 (HR=3.47),新发AKI发病率低 (4.3%),但复发AKI发病率高 (71.7%).
- 综合数据分析 (TVAE,CTGAN) 支持与VAN-AVI相关的AKI风险增加.
- 用合成数据增强的ML模型显示改善了30天AKI预测 (F1-score=0.80).
结论:
- 为了药物相关的AKI风险评估,采用了整合IPTW和合成数据生成的新方法.
- 合成数据框架显示了可扩展药物安全性评估的潜力.
- 增强的ML模型显著改善了VAN-AVI治疗患者的早期AKI预测.
更多相关视频
07:03Standardized Colon Ascendens Stent Peritonitis in Rats - a Simple, Feasible Animal Model to Induce Septic Acute Kidney Injury
Published on: February 15, 2022
06:38Early Detection of Drug-Induced Renal Hemodynamic Dysfunction Using Sonographic Technology in Rats
Published on: March 11, 2016
相关概念视频
Acute Kidney Injury IV: Diagnostic Studies and Prevention
Acute Kidney Injury I: Introduction
Acute Kidney Injury II: Pathophysiology
Acute Kidney Injury V: Interprofessional Care
Acute Kidney Injury VI: Nursing Management
Acute Kidney Injury III: Clinical Manifestations
