用机器学习和传统方法在印度环境中对创伤性脑损伤患者的预后模型的开发,验证和临床实用性:一项研究协议
Vineet Kumar Kamal1, Deepak Agrawal2, Anil Kumar3
1Department of Biostatistics, All India Institute of Medical Sciences (AIIMS), Kalyani, India vineet.biostat@aiimskalyani.edu.in.
BMJ open
|October 3, 2025
概括
这项研究开发和验证机器学习模型,以预测印度创伤性脑损伤 (TBI) 的结果. 这些模型旨在改善印度多样化的医疗保健环境中的临床决策和患者护理.
科学领域:
- 神经科学是一个神经科学.
- 医疗信息学 医疗信息学
- 公共卫生 公共卫生
背景情况:
- 创伤性脑损伤 (TBI) 在印度是一个重大的公共卫生挑战,其特点是高死亡率和长期残疾.
- 现有的预后模型由于其起源于高收入国家,并依赖传统方法,因此缺乏对印度环境的概括性.
- 需要先进的,特定于环境的预测工具,利用机器学习和多中心数据来管理印度的TBI.
研究的目的:
- 开发,比较和验证机器学习 (ML) 和传统的统计模型,用于预测印度中度至重度TBI患者的30天死亡率和6个月功能结果.
- 描述和比较印度第三级护理机构在不同时间点 (出院,3,6和12个月) 的患者特征和结果.
- 创建一个在线风险计算器,基于最好的模型来估计患者的结果概率.
主要方法:
- 利用新德里艾滋病医院神经创伤注册表的数据进行内部验证和外部验证,使用来自帕特纳艾滋病医院和奈MMC的数据.
- 使用机器学习和传统统计技术开发预测模型.
- 通过决策曲线分析 (DCA) 评估基于歧视,校准和临床实用性的模型性能.
主要成果:
- (研究正在进行中,结果待发表)
- (研究正在进行中,结果待发表)
- (研究正在进行中,结果待发表)
结论:
- 该研究将产生针对印度TBI人口量身定制的验证预后模型,将ML和传统方法集成在一起.
- 多中心和前性数据收集将提高开发模型的通用性.
- 经过验证的模型和在线风险计算器预计将改善印度医疗保健机构的临床决策,资源分配和患者与家庭的沟通.
