Случайная модель AI, превосходная для прогнозирования стационарной смертности при циррозе

Следите за Drugslib на

от Elana Gotkine Healthday Reporter

через HealthDay

Четверг, 24 июля 2025 г. - Для стационарных пациентов с циррозом модель машинного обучения (ML) с использованием анализа случайных лесов (RF) превосходит прогнозирование стационарной смертности, согласно исследованию, опубликованному в Интернете 23 июля в гастроэнтерологии. В когорте, которая зарегистрировала стационарные пациенты с циррозом во всем мире. Данные в день поступления были использованы для прогнозирования стационарной смертности. Проспективная очищенная когорта включала 7 239 стационарных пациентов с циррозом из 115 центров: 22,5, 41 и 34 процента, принадлежавшие странам с низким/низким уровнем дохода (L-LMIC), странам высшего среднего дохода (UMIC) и странам с высоким уровнем дохода (HIC) соответственно.

В целом, 11,1 процента пациентов погибли в больнице. Исследователи обнаружили лучшую область под кривой (AUC) с RF (0,815) с высокой калибровкой, которая была значительно лучше, чем параметрическая логистическая регрессия и модели Lasso (AUCS, 0,774 и 0,787 соответственно). РФ оставалась лучше, чем логистическая регрессия независимо от уровня дохода страны (AUC, 0,806, 0,867 и 0,768 для HIC, UMIC и L-LMIC соответственно). Внешняя проверка была проведена в когорте из 28 670 ветеранов, которая имела 4 -процентную стационарную смертность. Используя учебную модель, полученную из очистки, AUC составляла 0,859.

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

Disclaimer: Statistical data in medical Статьи предоставляют общие тенденции и не относятся к отдельным лицам. Индивидуальные факторы могут сильно различаться. Всегда ищите персонализированные медицинские консультации для индивидуальных решений в области здравоохранения.

Источник: HealthDay

Опубликовано : 2025-07-25 06:00

Читать далее

Отказ от ответственности

Мы приложили все усилия, чтобы гарантировать, что информация, предоставляемая Drugslib.com, является точной и соответствует -дата и полная информация, но никаких гарантий на этот счет не предоставляется. Содержащаяся здесь информация о препарате может меняться с течением времени. Информация Drugslib.com была собрана для использования медицинскими работниками и потребителями в Соединенных Штатах, и поэтому Drugslib.com не гарантирует, что использование за пределами Соединенных Штатов является целесообразным, если специально не указано иное. Информация о лекарствах на сайте Drugslib.com не рекламирует лекарства, не диагностирует пациентов и не рекомендует терапию. Информация о лекарствах на сайте Drugslib.com — это информационный ресурс, предназначенный для помощи лицензированным практикующим врачам в уходе за своими пациентами и/или для обслуживания потребителей, рассматривающих эту услугу как дополнение, а не замену опыта, навыков, знаний и суждений в области здравоохранения. практики.

Отсутствие предупреждения для данного препарата или комбинации препаратов никоим образом не должно быть истолковано как указание на то, что препарат или комбинация препаратов безопасны, эффективны или подходят для конкретного пациента. Drugslib.com не несет никакой ответственности за какой-либо аспект здравоохранения, администрируемый с помощью информации, предоставляемой Drugslib.com. Информация, содержащаяся в настоящем документе, не предназначена для охвата всех возможных вариантов использования, направлений, мер предосторожности, предупреждений, взаимодействия лекарств, аллергических реакций или побочных эффектов. Если у вас есть вопросы о лекарствах, которые вы принимаете, проконсультируйтесь со своим врачом, медсестрой или фармацевтом.

Популярные ключевые слова