机器学习使女鸟刺痛的早期风险分层成为可能:来自热带多中心队列的证据
Feng Han1, Yuanshui Liu1, Huamei Li2
1Department of Emergency Medicine, Hainan General Hospital and Hainan Affiliated Hospital of Hainan Medical University, Haikou, China.
Frontiers in public health
|November 13, 2025
概括
我们开发了一种机器学习模型,以预测女刺的严重后果,帮助热带地区患者早期风险分层. 这种工具可以改善紧急护理和患者安全.
科学领域:
- 医疗信息学 医疗信息学
- 毒理学 毒理学 毒理学
- 紧急医疗 紧急医疗
背景情况:
- 在热带地区,海门虫的刺伤带来了重大风险,需要及早识别严重反应.
- 有效的风险分层对于患者安全和有效的紧急护理至关重要.
研究的目的:
- 创建和验证一个可解释的机器学习模型,用于预测女鸟刺伤后的严重结果.
- 为临床环境中早期风险分层提供一个工具.
主要方法:
- 从一个多中心队列中对942例病例进行了回顾性分析.
- 使用有交叉验证和自适应合成抽样 (ADASYN) 的监督分类器来检测类不平衡.
- 评估模型性能使用AUC,回忆,精度和SHAP值进行解释.
主要成果:
- 一个额外的树木模型实现了高性能 (AUC 0.982,召回 0.956,精度 0.926).
- 严重结局的关键预测因素包括低血压,呼吸不全,精神状态变化和白细胞计数增加.
- 为临床使用而开发了一个基于网络的风险计算器.
结论:
- 开发了一种可解释和部署的工具,用于在热带环境中早期对女膜患者进行分拣.
- 整合到紧急护理工作流程中可以提高临床决策和患者的结果.
