Losowy model AI Model lepszy dla prognozowania śmiertelności w szpitalu w marskości wątroby

Śledź Drugslib na

autor: Elana Gotkine Healthday Reporter

przez Healthday

Czwartek, 24 lipca 2025 r. - W przypadku pacjentów szpitalnych z marskością wątroby (ML) model z wykorzystaniem losowej analizy lasu (RF) jest lepszy do przewidywania śmiertelności szpitalnej, zgodnie z badaniem opublikowanym online 23 lipca w podejściu do gastroenterologii.

Scott Silvey, z Virginia Commonwealth w Richmond, i zbliżone do podejścia ML. W kohorcie, która zapisała się na globalnie pacjentów z marskością wątroby. Dane dotyczące wstępu zostały wykorzystane do przewidywania śmiertelności szpitalnej. Prospektywna oczyszczona kohorta obejmowała 7239 pacjentów hospitalizowanych z marskością wątroby z 115 centrów: 22,5, 41 i 34 procent należało odpowiednio do krajów o niskim/niskim dochodach (L-LMIC), krajach dochodów wyższych (UMIC) i krajach o wysokim dochodach (HIC).

Ogólnie 11,1 procent pacjentów zmarło w szpitalu. Naukowcy znaleźli najlepszy obszar pod krzywą (AUC) z RF (0,815), z wysoką kalibracją, która była znacznie lepsza niż parametryczna regresja logistyczna i modele LASSO (odpowiednio 0,774 i 0,787). RF pozostał lepszy niż regresja logistyczna, niezależnie od poziomu dochodu kraju (AUC, 0,806, 0,867 i 0,768 odpowiednio dla HIC, UMIC i LMIC). Walidację zewnętrzną przeprowadzono w kohorcie 28 670 weteranów, którzy mieli 4 procent śmiertelności szpitalnej. Korzystając z wyczyszczonego modelu RF, AUC wynosił 0,859.

„Ten model uczenia maszynowego, który ma sprawiedliwą globalną reprezentację, może być korzystny w szybkim prognozowaniu pacjentów hospitalizowanych z marskością wątroby”, autorzy piszą.

streszczenie/pełny tekst (subskrypcja lub płatność może być wymagana)

Disclaim: STATISTAL DATA DATA DATATION IN MISIAR IN IN BEZPOSPLETA Artykuły zapewniają ogólne trendy i nie dotyczą jednostek. Poszczególne czynniki mogą się znacznie różnić. Zawsze szukaj spersonalizowanej porady medycznej w zakresie indywidualnych decyzji dotyczących opieki zdrowotnej.

Źródło: Healthday

Wysłano : 2025-07-25 06:00

Czytaj więcej

Zastrzeżenie

Dołożono wszelkich starań, aby informacje dostarczane przez Drugslib.com były dokładne i aktualne -data i kompletność, ale nie udziela się na to żadnej gwarancji. Informacje o lekach zawarte w niniejszym dokumencie mogą mieć charakter wrażliwy na czas. Informacje na stronie Drugslib.com zostały zebrane do użytku przez pracowników służby zdrowia i konsumentów w Stanach Zjednoczonych, dlatego też Drugslib.com nie gwarantuje, że użycie poza Stanami Zjednoczonymi jest właściwe, chyba że wyraźnie wskazano inaczej. Informacje o lekach na Drugslib.com nie promują leków, nie diagnozują pacjentów ani nie zalecają terapii. Informacje o lekach na Drugslib.com to źródło informacji zaprojektowane, aby pomóc licencjonowanym pracownikom służby zdrowia w opiece nad pacjentami i/lub służyć konsumentom traktującym tę usługę jako uzupełnienie, a nie substytut wiedzy specjalistycznej, umiejętności, wiedzy i oceny personelu medycznego praktycy.

Brak ostrzeżenia dotyczącego danego leku lub kombinacji leków w żadnym wypadku nie powinien być interpretowany jako wskazanie, że lek lub kombinacja leków jest bezpieczna, skuteczna lub odpowiednia dla danego pacjenta. Drugslib.com nie ponosi żadnej odpowiedzialności za jakikolwiek aspekt opieki zdrowotnej zarządzanej przy pomocy informacji udostępnianych przez Drugslib.com. Informacje zawarte w niniejszym dokumencie nie obejmują wszystkich możliwych zastosowań, wskazówek, środków ostrożności, ostrzeżeń, interakcji leków, reakcji alergicznych lub skutków ubocznych. Jeśli masz pytania dotyczące przyjmowanych leków, skontaktuj się ze swoim lekarzem, pielęgniarką lub farmaceutą.

Popularne słowa kluczowe