在养老院居民中早期检测感染的预测模型:推算技术和补充数据源的评估

科学领域:

• 老年学是指老年学的学科.
• 传染病流行病学 传染病流行病学
• 医疗保健中的人工智能

背景情况:

• 西方社会的人口老龄化增加了医疗保健成本.
• 在养老院居民中早期检测感染是预防并发症和减少住院治疗的关键.
• 目前在长期护理机构的感染监测方法需要改进.

研究的目的:

• 开发和评估机器学习模型,用于在养老院居民中早期检测感染.
• 评估整合环境 (空气污染) 和数字 (社交媒体) 数据与生理测量的影响.
• 创建个性化的生理数据基线,以改善个人居民监测.

主要方法:

• 对 XGBoost 机器学习分类器用于感染检测的比较分析.
• 用于处理不完整的生理数据 (心率,氧和,体温,皮电活动) 的推算协议.
• 评估三种模型变体:仅临床数据,与空气污染数据,与社交媒体集成,使用新的基本模块进行个性化.

主要成果:

• 仅凭生理学数据就为立即的感染查提供了基线.
• 社交媒体集成实现了6天的预测领先时间,F1得分为0.97.
• 空气污染数据提高了立即检测 ("现在预测"),外部数据提高了对特定感染 (例如呼吸道,尿道) 的灵敏度,达到90%以上.

结论:

• 环境和数字信号的战略整合提高了长期护理机构的感染检测能力.
• 开发的系统作为一个主动的预警工具,超越了反应式监控.
• 个性化的生理基线和外部数据融合是提高监视准确性和交付时间的关键.