机器学习模型用于预测3岁以下发烧儿童尿路感染风险
Le-Zhen Ye1, Jian-Xin Sun1, Jing Chen1
1Department of Paediatrician, Women's and Children's Hospital of Ningbo University, Ningbo, China.
这项研究开发了一种机器学习模型,用于预测3岁以下发烧儿童尿路感染 (UTI) 风险. 随机森林模型准确地识别高风险儿童,有助于早期干预和预防脏痕等并发症.
科学领域:
- 儿科 儿科 儿科
- 传染性疾病 传染性疾病
- 医疗保健中的机器学习
背景情况:
- 尿路感染 (UTI) 在幼儿中很常见.
- 在发烧的婴儿中早期检测尿路感染对于预防脏痕至关重要.
- 预测模型可以帮助及时诊断和管理.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测3岁以下发烧儿童的尿路感染风险.
- 为了确定这一群体中尿路感染的关键预测因素.
- 为了增强发烧婴儿的临床决策.
主要方法:
- 对1556名3岁以下发烧儿童进行了回顾性分析.
- 使用LASSO回归的特征选择.
- 开发和评估七个ML算法,包括随机森林,使用AUC,校准和决策曲线分析.
- 用于模型解释性的SHAP分析.
主要成果:
- 随机森林模型表现出卓越的性能,AUC为0.88.8.
- 发现的关键预测因素包括年龄,白细胞计数,先前的尿路感染发作,PLT,发烧高峰,CRP和产前脏异常.
- 该模型实现了最佳校准 (ICI=0.12) 并超过了其他ML算法.
结论:
- 一个强大的ML模型准确地预测了3岁以下发烧儿童的尿路感染风险.
- SHAP框架提供视觉解释性,帮助临床医生识别高风险婴儿.
- 该工具支持及时干预和管理儿科尿路感染.
更多相关视频
07:34Isolation of Single Intracellular Bacterial Communities Generated from a Murine Model of Urinary Tract Infection for Downstream Single-cell Analysis
Published on: April 16, 2019
08:53Recurrent Escherichia coli Urinary Tract Infection Triggered by Gardnerella vaginalis Bladder Exposure in Mice
Published on: December 4, 2020
相关概念视频
Urinary Tract Infection III: Diagnostic Studies and Interprofessional Care
Urinary Tract Infection I: Introduction
Urinary Tract Infection IV: Nursing Management
Urine Studies II: Urine Culture and Sensitivity Test
Urinary Tract Infection II: Pathophysiology
Steps in Outbreak Investigation
