外媒 | 机器学习模型或可准确预测产后出血风险-普瑞纯证
一项发表在《医学互联网研究杂志》上的新研究显示,机器学习(ML)模型可以有效地使用从去识别患者EMR中提取的数据来预测产后出血的风险。研究表明,产后出血是全球孕产妇死亡的主要原因。它会使患者面临与心脏、肾脏和肝脏相关的并发症风险。解决产后出血的干预措施也带有相关风险。最常见的干预措施之一——输血,可能会引起过敏反应、肺部损伤、未来怀孕的抗体形成以及感染风险。产后出血的不良结果引起了使用人工智能来预测哪些患者可能患有该病的兴趣。与许多医疗状况一样,早期检测产后出血对于改善患者预后和死亡率至关重要,研究作者指出。为了开发他们的预测模型,研究人员首先收集了来自2013年7月1日至2018年10月31日在纽约大学朗格尼医疗中心Tisch医院接受产科分娩的30,867名年龄在18至55岁的妇女的回顾性数据。他们确定了2,179例产后出血病例,在本研究中定义为分娩时血液流失大于或等于1000毫升,无论分娩方式如何。为了使模型生成预测,从研究队列的EMR中提取了497个变量,包括人口统计学信息、产科、医学、外科和家族病史、生命体征、实验室结果、分娩药物暴露和分娩结果。研究队列被分成较小的组进行模型开发和测试,其中70%分配给训练队列,其余平均分配到验证和独立测试队列。回归、树和基于核的机器学习方法被用来创建分类模型。有些模型使用了收集到的所有数据,而其他模型则仅限于第二阶段分娩前或决定进行剖腹产时的数据。另外,还建立了基于分娩方式进行预测的模型。树状方法在所有模型中实现了最佳的区分度。包含所有收集数据的模型略优于依赖第二阶段数据的模型。最高的预测准确率为0.85。
版权声明 本网站所有注明“来源:普瑞纯证”或“来源:pureFDA”的文字、图片和音视频资料,版权均属于普瑞纯证网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:普瑞纯证”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。