Modelo de IA da floresta aleatória superior para prognóstico de mortalidade hospitalar em cirrose

Siga Drugslib em

por Elana Gotkine Healthday Reporter

via HealthDay

Quinta -feira, 24 de julho de 2025 - Para pacientes internados com cirrose, um modelo de aprendizado de máquina (ML) usando a análise da floresta aleatória (RF) é superior para a previsão de mortalidade hospitalar, de acordo com um estudo publicado on -line em 23 de julho em Richmond em Richmons e colegas de Scott, da Virginia To Commonwealth, da Universidade Richmons, e da Scott Silvey, da Virginia To Commonwealth, da Universidade Richmond e da Richmons e Em uma coorte que matriculou pacientes internados com cirrose globalmente. Os dados do dia da admissão foram usados para prever a mortalidade hospitalar. A coorte prospectiva limpa incluiu 7.239 pacientes internados com cirrose de 115 centros: 22,5, 41 e 34 % pertenciam a países de renda baixa baixa/baixa (L-lmic), países de renda média-média (UMIC) e países de alta renda (HIC), respectivamente.

No geral, 11,1 % dos pacientes morreram no hospital. Os pesquisadores encontraram a melhor área sob a curva (AUC) com RF (0,815), com alta calibração, que foi significativamente melhor que os modelos paramétricos de regressão logística e LASSO (AUCS, 0,774 e 0,787, respectivamente). A RF permaneceu melhor que a regressão logística, independentemente do nível de renda do país (AUC, 0,806, 0,867 e 0,768 para HIC, UMIC e L-LMIC, respectivamente). A validação externa foi realizada em uma coorte de 28.670 veteranos, que tiveram 4 % de mortalidade hospitalar. Usando o modelo de RF derivado de limpeza, a AUC foi de 0,859.

resumo/texto completo (o texto ou pagamento pode ser necessário)

Fonte: HealthDay

Postou : 2025-07-25 06:00

Consulte Mais informação

Isenção de responsabilidade

Todos os esforços foram feitos para garantir que as informações fornecidas por Drugslib.com sejam precisas, atualizadas -date e completo, mas nenhuma garantia é feita nesse sentido. As informações sobre medicamentos aqui contidas podem ser sensíveis ao tempo. As informações do Drugslib.com foram compiladas para uso por profissionais de saúde e consumidores nos Estados Unidos e, portanto, o Drugslib.com não garante que os usos fora dos Estados Unidos sejam apropriados, a menos que especificamente indicado de outra forma. As informações sobre medicamentos do Drugslib.com não endossam medicamentos, diagnosticam pacientes ou recomendam terapia. As informações sobre medicamentos do Drugslib.com são um recurso informativo projetado para ajudar os profissionais de saúde licenciados a cuidar de seus pacientes e/ou para atender os consumidores que veem este serviço como um complemento, e não um substituto, para a experiência, habilidade, conhecimento e julgamento dos cuidados de saúde. profissionais.

A ausência de uma advertência para um determinado medicamento ou combinação de medicamentos não deve de forma alguma ser interpretada como indicação de que o medicamento ou combinação de medicamentos é seguro, eficaz ou apropriado para qualquer paciente. Drugslib.com não assume qualquer responsabilidade por qualquer aspecto dos cuidados de saúde administrados com a ajuda das informações fornecidas por Drugslib.com. As informações aqui contidas não se destinam a cobrir todos os possíveis usos, instruções, precauções, advertências, interações medicamentosas, reações alérgicas ou efeitos adversos. Se você tiver dúvidas sobre os medicamentos que está tomando, consulte seu médico, enfermeiro ou farmacêutico.

Palavras -chave populares