Modello AI della foresta casuale Superiore per la prognosi di mortalità ospedaliera nella cirrosi

Segui Drugslib su

By Elana Gotkine HealthDay Reporter

Medically reviewed by Carmen Pope, BPharm. Ultimo aggiornamento il 24 luglio 2025.

tramite HealthDay

Giovedì 24 luglio 2025 - Per i pazienti ricoverati con cirrosi, un modello di apprendimento automatico (ML) che utilizza l'analisi Random Forest (RF) è superiore per la previsione della mortalità ospedaliera, secondo uno studio pubblicato online il 23 luglio per la prigionia. Mortalità in una coorte che ha arruolato i pazienti ricoverati con cirrosi a livello globale. I dati del giorno di ammissione sono stati utilizzati per prevedere la mortalità ospedaliera. La coorte prospettica eliminata comprendeva 7.239 pazienti in pazienti con cirrosi da 115 centri: 22,5, 41 e 34 percento appartenevano a paesi a basso/basso reddito (L-LMIC), paesi a reddito medio-alto (UMIC) e paesi ad alto reddito (HIC), rispettivamente.

Complessivamente, l'11,1 per cento dei pazienti è deceduto in ospedale. I ricercatori hanno trovato l'area migliore sotto la curva (AUC) con RF (0,815), con alta calibrazione, che era significativamente migliore della regressione logistica parametrica e dei modelli LASSO (AUCS, 0,774 e 0,787, rispettivamente). RF è rimasta migliore della regressione logistica indipendentemente dal livello di reddito del paese (AUC, 0,806, 0,867 e 0,768 per HIC, UMIC e L-LMIC, rispettivamente). La convalida esterna è stata condotta in una coorte di 28.670 veterani, che aveva una mortalità ospedaliera del 4 %. Usando il modello RF derivato dal cancellato, l'AUC era 0,859.

"Questo modello di apprendimento automatico che ha una rappresentazione globale equa potrebbe essere benefico nella rapida prognostica dei pazienti ricoverati in ospedale con cirrosi", scrivono gli autori.

; Gli articoli medici forniscono tendenze generali e non riguardano individui. I singoli fattori possono variare notevolmente. Cerca sempre una consulenza medica personalizzata per le decisioni di assistenza sanitaria individuali.

Fonte: Healthday

Pubblicato : 2025-07-25 06:00

Per saperne di più

Disclaimer

È stato fatto ogni sforzo per garantire che le informazioni fornite da Drugslib.com siano accurate, aggiornate -datati e completi, ma non viene fornita alcuna garanzia in tal senso. Le informazioni sui farmaci qui contenute potrebbero essere sensibili al fattore tempo. Le informazioni su Drugslib.com sono state compilate per l'uso da parte di operatori sanitari e consumatori negli Stati Uniti e pertanto Drugslib.com non garantisce che l'uso al di fuori degli Stati Uniti sia appropriato, se non diversamente indicato. Le informazioni sui farmaci di Drugslib.com non sostengono farmaci, né diagnosticano pazienti né raccomandano terapie. Le informazioni sui farmaci di Drugslib.com sono una risorsa informativa progettata per assistere gli operatori sanitari autorizzati nella cura dei propri pazienti e/o per servire i consumatori che considerano questo servizio come un supplemento e non come un sostituto dell'esperienza, dell'abilità, della conoscenza e del giudizio dell'assistenza sanitaria professionisti.

L'assenza di un'avvertenza per un determinato farmaco o combinazione di farmaci non deve in alcun modo essere interpretata come indicazione che il farmaco o la combinazione di farmaci sia sicura, efficace o appropriata per un dato paziente. Drugslib.com non si assume alcuna responsabilità per qualsiasi aspetto dell'assistenza sanitaria amministrata con l'aiuto delle informazioni fornite da Drugslib.com. Le informazioni contenute nel presente documento non intendono coprire tutti i possibili usi, indicazioni, precauzioni, avvertenze, interazioni farmacologiche, reazioni allergiche o effetti avversi. Se hai domande sui farmaci che stai assumendo, consulta il tuo medico, infermiere o farmacista.

Parole chiave popolari