基于因果关系的模型用于多药耐药生物体的预测:实现有效的ICU抗生素管理
Linna Wang1, Xinyu Guo2, Yimin Chen3
1College of Computer Science, Sichuan University, 24 South Section 1,1st Ring Road, Chengdu, 610065, Sichuan, China.
基于因果关系的特征可以准确地预测重症监护室 (ICU) 中的多药耐药生物体 (MDRO). 双GRU模型表现出卓越的性能,为改善抗生素管理提供了洞察力.
科学领域:
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
- 流行病学 流行病学
背景情况:
- 多药耐药生物体 (MDROs) 的抗菌素耐药性 (AMR) 构成了重大的全球卫生挑战,增加了临床和经济负担.
- 有效的抗生素管理需要预测模型来解释时间数据的依赖性,并确定因果关系的预测因素.
研究的目的:
- 识别和量化MDROs的因果关系信息预测因素.
- 通过使用现实世界ICU数据,评估五种预测模型在识别MDRO阳性培养中的性能.
主要方法:
- 在每个MDRO的马尔科夫边界内确定了因果关系知情变量,以捕捉局部依赖.
- 从ICU入院的前24小时的时间数据,以及静态特征,被用来预测MDRO培养的阳性.
- 在MIMIC-IV和MIMIC-III数据集上训练和验证了五种不同的预测模型.
主要成果:
- 在五种MDRO类型中,确定了32个因果关系信息的特征.
- 双GRU模型实现了最高的性能,AUROCs在0.8261-0.8280之间,AUPRCs在0.5227-0.5375.5之间.
- 使用减少,因果关系知情的特征集的模型的性能与使用完整特征集的模型相比或更好,证明了效率.
结论:
- 基于因果关系的特征有效地减少了MDROs预测建模中的虚假相关性.
- 这种方法提供了对于指导ICU中的抗生素管理策略至关重要的机制性见解.
- 这些发现支持开发更强大,更可操作的预测工具来打击抗微生物药物耐药性.
更多相关视频
09:26Antibiotic Efficacy Testing in an Ex vivo Model of Pseudomonas aeruginosa and Staphylococcus aureus Biofilms in the Cystic Fibrosis Lung
Published on: January 22, 2021
07:16Development of a Polymicrobial Colony Biofilm Model to Test Antimicrobials in Cystic Fibrosis
Published on: September 20, 2024
相关概念视频
Pharmacodynamic Models: Overview
Development of Antibiotic Resistance
Antibiotic Selection
Impact of Pharmacokinetic–Pharmacodynamic Models: Regulatory Decisions
Combined Effects of Drugs: Synergism
Such synergistic combinations...
Multicompartment Models: Overview
These models offer a more comprehensive representation of drug behavior in the body than one-compartment models. They accommodate the complexity of drug distribution,...
