Random Forest AI -model superieur voor intramurale sterfte -prognosticatie bij cirrose

Volg Drugslib op

door Elana Gotkine HealthDay Reporter

medisch beoordeelde door carmen, bpharm. Laatst bijgewerkt op 24 juli 2025.

via HealthDay

THURSDAY, July 24, 2025 -- For inpatients with cirrhosis, a machine learning (ML) model using random forest (RF) analysis is superior for prediction of inpatient mortality, according to a study published online July 23 in Gastroenterology.

Scott Silvey, from Virginia Commonwealth University in Richmond, and colleagues used ML approaches to enhance the prognostication of inpatient Sterfte in een cohort dat wereldwijd intramurale patiënten heeft ingeschreven met cirrose. Gegevens van toelatingsdag werden gebruikt om intramurale sterfte te voorspellen. Het potentiële gewaardeerde cohort omvatte 7.239 intramurale patiënten met cirrose van 115 centra: 22,5, 41 en 34 procent behoorden respectievelijk tot landen met lage/lage/lage inkomens (L-LMIC), landen in het hoger inkomen (UMIC) en landen met een hoog inkomen.

Over het algemeen stierf 11,1 procent van de patiënten in het ziekenhuis. De onderzoekers vonden het beste gebied onder de curve (AUC) met RF (0,815), met hoge kalibratie, wat aanzienlijk beter was dan parametrische logistieke regressie en Lasso -modellen (respectievelijk Lasso -modellen (AUC's, 0,774 en 0,787). RF bleef beter dan logistieke regressie, ongeacht het inkomensniveau van het land (AUC, 0,806, 0,867 en 0,768 voor respectievelijk HIC, UMIC en L-LMIC). Externe validatie werd uitgevoerd in een cohort van 28.670 veteranen, die 4 procent intramurale sterfte hadden. Met behulp van het Cleared-afgeleide RF-model was de AUC 0,859.

"Dit machine learning-model dat een billijke globale weergave heeft, zou gunstig kunnen zijn bij snelle prognosticatie van patiënten die in het ziekenhuis zijn opgenomen met cirrhose," schrijven de auteurs.

Abstract/Full Text (subscription or payment may be required)

Disclaimer: Statistical data in Medische artikelen bieden algemene trends en hebben geen betrekking op individuen. Individuele factoren kunnen sterk variëren. Zoek altijd gepersonaliseerd medisch advies voor individuele beslissingen in de gezondheidszorg.

Bron: HealthDay

Geplaatst : 2025-07-25 06:00

Lees verder

Disclaimer

Er is alles aan gedaan om ervoor te zorgen dat de informatie die wordt verstrekt door Drugslib.com accuraat en up-to-date is -datum en volledig, maar daarvoor wordt geen garantie gegeven. De hierin opgenomen geneesmiddelinformatie kan tijdgevoelig zijn. De informatie van Drugslib.com is samengesteld voor gebruik door zorgverleners en consumenten in de Verenigde Staten en daarom garandeert Drugslib.com niet dat gebruik buiten de Verenigde Staten gepast is, tenzij specifiek anders aangegeven. De geneesmiddeleninformatie van Drugslib.com onderschrijft geen geneesmiddelen, diagnosticeert geen patiënten of beveelt geen therapie aan. De geneesmiddeleninformatie van Drugslib.com is een informatiebron die is ontworpen om gelicentieerde zorgverleners te helpen bij de zorg voor hun patiënten en/of om consumenten te dienen die deze service zien als een aanvulling op en niet als vervanging voor de expertise, vaardigheden, kennis en beoordelingsvermogen van de gezondheidszorg. beoefenaars.

Het ontbreken van een waarschuwing voor een bepaald medicijn of een bepaalde medicijncombinatie mag op geen enkele manier worden geïnterpreteerd als een indicatie dat het medicijn of de medicijncombinatie veilig, effectief of geschikt is voor een bepaalde patiënt. Drugslib.com aanvaardt geen enkele verantwoordelijkheid voor enig aspect van de gezondheidszorg die wordt toegediend met behulp van de informatie die Drugslib.com verstrekt. De informatie in dit document is niet bedoeld om alle mogelijke toepassingen, aanwijzingen, voorzorgsmaatregelen, waarschuwingen, geneesmiddelinteracties, allergische reacties of bijwerkingen te dekken. Als u vragen heeft over de medicijnen die u gebruikt, neem dan contact op met uw arts, verpleegkundige of apotheker.

Populaire zoekwoorden