Model Pembelajaran Mesin Dengan Tepat Meramalkan Wanita Hamil Berisiko untuk Preeklampsia

Ikuti Drugslib di

Oleh Lori Solomon HealthDay Reporter

Medically Stewart.webp;">Medically Stewart. Kemas kini terakhir pada 12 Mac 2026.

melalui HealthDay

KHAMIS, 12 Mac 2026 -- Model pembelajaran mesin berdasarkan data rekod kesihatan elektronik boleh memberikan ramalan terkini tentang risiko praeklampsia, menurut kajian yang diterbitkan dalam talian pada 6 Mac dalam JAMA Network Open.

Haoyang Li, Ph.D., daripada Weill Cornell Medicine di New York City, dan rakan sekerja menggunakan data 398 rekod kesihatan yang sah (598 rekod kesihatan membujur) model pembelajaran mesin untuk ramalan dinamik, jangka pendek bagi permulaan preeklampsia.

Para penyelidik mendapati bahawa individu yang mengalami preeklampsia adalah lebih tua (umur median, 33.0 hingga 35.0 berbanding 31.0 hingga 34.0 tahun merentas kohort) dan lebih kerap Hitam (julat, 14.8 hingga 41.8 peratus berbanding 6.5 hingga 21.8 peratus). Prestasi ramalan meningkat dengan usia kehamilan (dari 28 hingga 34 minggu kehamilan), dengan puncak pada 34 minggu kehamilan (kawasan di bawah lengkung ciri operasi penerima, 0.863 pada latihan dan 0.808 hingga 0.834 pada pengesahan). Nilai ramalan positif juga meningkat daripada 28 minggu (0.001 hingga 0.002) dan memuncak pada 36 minggu (0.046 hingga 0.057). Nilai ramalan negatif ialah >0.993. Peramal yang paling bermaklumat ialah tekanan darah, manakala ukuran makmal (albumin, alkali fosfatase dan indeks hematologi) menyumbang kepada kehamilan lebih awal, dan faktor demografi dan obstetrik menunjukkan lebih penting kemudian.

"Ramalan jangka pendek dinamik praeklampsia boleh dilaksanakan menggunakan data klinikal dan makmal yang tersedia secara rutin," tulis penulis. "Keputusan ini menunjukkan bahawa pendekatan ini menyediakan peluang untuk campur tangan lebih awal dan boleh disesuaikan merentasi pelbagai tetapan penjagaan kesihatan."

Beberapa pengarang mendedahkan kaitan dengan industri biofarmaseutikal.

Abstrak/

Teks mungkin diperlukan (langganan)

Penafian: Data statistik dalam artikel perubatan memberikan trend umum dan tidak berkaitan dengan individu. Faktor individu boleh sangat berbeza. Sentiasa dapatkan nasihat perubatan yang diperibadikan untuk keputusan penjagaan kesihatan individu.

Sumber: HealthDay

Disiarkan : 2026-03-13 01:48

Baca lagi

Penafian

Segala usaha telah dilakukan untuk memastikan bahawa maklumat yang diberikan oleh Drugslib.com adalah tepat, terkini -tarikh, dan lengkap, tetapi tiada jaminan dibuat untuk kesan itu. Maklumat ubat yang terkandung di sini mungkin sensitif masa. Maklumat Drugslib.com telah disusun untuk digunakan oleh pengamal penjagaan kesihatan dan pengguna di Amerika Syarikat dan oleh itu Drugslib.com tidak menjamin bahawa penggunaan di luar Amerika Syarikat adalah sesuai, melainkan dinyatakan sebaliknya secara khusus. Maklumat ubat Drugslib.com tidak menyokong ubat, mendiagnosis pesakit atau mengesyorkan terapi. Maklumat ubat Drugslib.com ialah sumber maklumat yang direka bentuk untuk membantu pengamal penjagaan kesihatan berlesen dalam menjaga pesakit mereka dan/atau memberi perkhidmatan kepada pengguna yang melihat perkhidmatan ini sebagai tambahan kepada, dan bukan pengganti, kepakaran, kemahiran, pengetahuan dan pertimbangan penjagaan kesihatan pengamal.

Ketiadaan amaran untuk gabungan ubat atau ubat yang diberikan sama sekali tidak boleh ditafsirkan untuk menunjukkan bahawa gabungan ubat atau ubat itu selamat, berkesan atau sesuai untuk mana-mana pesakit tertentu. Drugslib.com tidak memikul sebarang tanggungjawab untuk sebarang aspek penjagaan kesihatan yang ditadbir dengan bantuan maklumat yang disediakan oleh Drugslib.com. Maklumat yang terkandung di sini tidak bertujuan untuk merangkumi semua kemungkinan penggunaan, arahan, langkah berjaga-jaga, amaran, interaksi ubat, tindak balas alahan atau kesan buruk. Jika anda mempunyai soalan tentang ubat yang anda ambil, semak dengan doktor, jururawat atau ahli farmasi anda.

Kata kunci yang popular