增强人工智能生成的诺姆图预测,在救护车运送的急诊室患者中,没有被看到
Hao Wang1, Emily Drone1, Devin Sandlin1
1Department of Emergency Medicine, JPS Health Network, Integrative Emergency Service, 1500 S. Main St., Fort Worth, TX 76104, United States of America.
The American journal of emergency medicine
|November 25, 2025
概括
这项研究开发了一种名图,用于预测可能离开急诊室而不见的患者 (LWBS). 该工具有助于临床医生管理救护车运送的患有不那么紧急情况的患者,提高护理质量.
科学领域:
- 紧急医疗 紧急医疗
- 医疗保健服务研究 医疗服务研究
- 医疗保健中的人工智能
背景情况:
- 没有被看到 (LWBS) 是紧急部门 (ED) 绩效的关键指标.
- 临床临床医疗服务负面影响患者的满意度,医疗费用和结果,特别是救护车运送的患者.
- 在不那么紧急的情况下预测LWBS风险对于资源优化至关重要.
研究的目的:
- 开发和验证一个预测的LWBS (没有被看到的左边) 风险的nomogram.
- 在救护车运送的非紧急情况的患者中确定LWBS的关键预测因子.
- 加强ED患者管理的临床决策.
主要方法:
- 利用了54,380名患者访问的大数据集,随机分为训练和测试集.
- 使用生成性AI工具 (大型语言模型) 来构建首席投诉数据.
- 使用LASSO和多变量后勤回归构建了一个预测性名图.
主要成果:
- 确定了LWBS的七个重要预测因素.
- 诺米图表表现出强大的预测性能,AUC值为0.804 (训练) 和0.802 (测试).
- 校准曲线和决策曲线分析证实了名图的准确性和临床实用性.
结论:
- 一个经过验证的诺米图有效地预测了救护车运送的患有不那么紧急情况的患者的LWBS风险.
- 诺米图提供了有价值的临床见解,用于明智决策和优化患者流动.
- 这个工具可以帮助改善急诊室的质量指标和患者护理.
