간경변에서의 입원 환자 사망률 예후에 우수한 임의의 산림 AI 모델

Drugslib을 팔로우하세요

Elana Gotkine Healthday Reporter

Carmen Prope. 2025 년 7 월 24 일에 마지막 업데이트. Alt = ""> Healthday를 통해

2025 년 7 월 24 일 목요일 - 간경변이있는 입원 환자의 경우, 7 월 23 일 위장병학에 출판 된 연구에 따르면 임의의 산림 (RF) 분석을 사용하는 기계 학습 (RF) 모델은 입원 환자 사망률의 예측에 우수합니다.

리치몬드의 버지니아 커먼 웰스 대학 (Virginia Commonwalth University)의 Scott Silvey는 ML에 대한 접근 방식을 사용하여 Scott Silvey를 사용했습니다. 전 세계 간경변으로 입원 환자를 등록한 코호트. 입원 날 데이터는 입원 환자 사망률을 예측하는 데 사용되었습니다. 예비 청산 코호트에는 115 개 센터에서 간경변 환자가 포함 된 7,239 명의 입원 환자가 포함되었습니다 : 22.5, 41 및 34 %는 각각 저 중소 소득 국가 (L-LMIC), 중간 소득 국가 (UMIC) 및 고소득 국가 (HIC)에 속했습니다.

.

전반적으로 환자의 11.1 %가 병원에서 사망했습니다. 연구원들은 RF (0.815)가있는 곡선 (AUC) 아래에서 가장 좋은 영역을 발견했으며, 이는 높은 교정으로, 이는 매개 변수 로지스틱 회귀 및 LASSO 모델 (각각 AUCS, 0.774 및 0.787)보다 훨씬 우수했습니다. RF는 국가 소득 수준 (AUC, 0.806, 0.867 및 0.768의 경우 각각 HIC, UMIC 및 L-LMIC)에 관계없이 로지스틱 회귀보다 더 나은 상태를 유지했습니다. 외부 검증은 28,670 명의 재향 군인의 코호트에서 수행되었으며, 이는 4 % 입원 환자 사망률을 보였습니다. Cleared-Newed RF 모델을 사용하여 AUC는 0.859였습니다.

"공평한 전 세계적으로 표현되는이 기계 학습 모델은 간경변으로 입원 한 환자의 빠른 예후에 도움이 될 수 있습니다.

초록/전체 텍스트 (구독 또는 지불이 필요할 수 있음) 기사는 일반적인 추세를 제공하며 개인과 관련이 없습니다. 개별 요인은 크게 다를 수 있습니다. 항상 개별 의료 결정에 대한 개인화 된 의료 조언을 구하십시오.

출처 : Healthday

게시됨 : 2025-07-25 06:00

더 읽어보세요

면책조항

Drugslib.com에서 제공하는 정보의 정확성을 보장하기 위해 모든 노력을 기울였습니다. -날짜, 완전하지만 해당 효과에 대한 보장은 없습니다. 여기에 포함된 약물 정보는 시간에 민감할 수 있습니다. Drugslib.com 정보는 미국의 의료 종사자와 소비자가 사용하도록 편집되었으므로 달리 구체적으로 명시하지 않는 한 Drugslib.com은 미국 이외의 지역에서 사용하는 것이 적절하다고 보증하지 않습니다. Drugslib.com의 약물 정보는 약물을 보증하거나 환자를 진단하거나 치료법을 권장하지 않습니다. Drugslib.com의 약물 정보는 면허를 소지한 의료 종사자가 환자를 돌보는 데 도움을 주고/하거나 이 서비스를 건강 관리에 대한 전문 지식, 기술, 지식 및 판단을 대체하는 것이 아니라 보완으로 보는 소비자에게 제공하기 위해 설계된 정보 리소스입니다. 실무자.

특정 약물 또는 약물 조합에 대한 경고가 없다고 해서 해당 약물 또는 약물 조합이 해당 환자에게 안전하고 효과적이거나 적절하다는 의미로 해석되어서는 안 됩니다. Drugslib.com은 Drugslib.com이 제공하는 정보의 도움으로 관리되는 의료의 모든 측면에 대해 어떠한 책임도 지지 않습니다. 여기에 포함된 정보는 가능한 모든 용도, 지시 사항, 주의 사항, 경고, 약물 상호 작용, 알레르기 반응 또는 부작용을 다루기 위한 것이 아닙니다. 복용 중인 약에 대해 궁금한 점이 있으면 담당 의사, 간호사 또는 약사에게 문의하세요.

인기있는 키워드