在使用机器学习的儿童中构建严重的Mycoplasma pneumoniae肺炎的诊断预测模型
Chuxiong Gong1, Helang Yue2, Qinhong Li1
1Department of Cardiology, Kunming Children's Hospital, Kunming, Yunnan, China.
Frontiers in public health
|October 6, 2025
概括
这项研究开发了一种机器学习模型,用于预测儿童严重的Mycoplasma pneumoniae肺炎 (MPP). 早期检测使用ESR,PCT,IL-6和肺部听觉助力及时干预和更好的结果.
科学领域:
- 儿童传染病 儿童传染病
- 机器学习在医疗保健中的应用
- 呼吸系统药物 呼吸系统药物
背景情况:
- 菌性肺炎肺炎 (MPP) 是儿童社区获得性肺炎的主要原因.
- 全球MPP发病率的增加,特别是严重病例 (SMPP),需要改进诊断工具.
- 严重的MPP显著影响预后,导致并发症和死亡率.
研究的目的:
- 开发和验证基于机器学习的儿童严重MPP早期诊断模型.
- 确定可预测SMPP的关键临床和实验室因素.
- 支持SMPP的早期预测,预防和个性化治疗策略.
主要方法:
- 对372例儿科MPP病例进行了回顾性分析.
- 利用随机森林进行特征选择,识别ESR,PCT,IL-6和肺部听觉.
- 构建了一个多变量物流预测模型,并使用ROC曲线,校准曲线,决策曲线分析 (DCA) 和交叉验证进行验证.
主要成果:
- 开发的预测模型表现出高准确度,ROC为0.964.
- 发现的关键预测因素包括红细胞沉积率 (ESR),前素 (PCT),互白素-6 (IL-6) 和肺部听觉结果.
- 模型验证通过校准曲线,DCA和交叉验证证实其准确性和内部稳定性.
结论:
- 已经成功开发了一个强大的机器学习模型,用于早期的SMPP风险评估.
- 该模型为临床医生提供了一种有价值的工具,以促进SMPP的早期诊断和预防.
- 这些发现为个性化治疗方法奠定了基础,旨在改善严重MPP儿童的长期结果.
