预测模型
一项新研究开发了一种预测模型,旨在估计辅助生殖技术(ART)治疗期间尝试受精的最佳数量的未成熟卵子或卵母细胞。这项研究还探讨了美国最高法院推翻罗伊诉杰克逊妇女健康案后,冷冻胚胎的处理方式。
一项发表在JAMA Network Open上的研究发现,利用机器学习模型可以准确估计阿片类药物不良反应风险,这有助于加强阿片类药物监管和处方药物监测计划(PDMP)。
一项发表在《科学报告》上的研究发现,机器学习模型和传统方法在预测高血压发病率方面表现相似,表明基于机器学习的风险预测模型可以准确预测高血压。该研究比较了不同预测模型的性能,包括传统的Cox比例风险回归模型和五种机器学习模型。研究结果表明,这些模型的预测准确性都很高。
研究人员开发了一种深度学习模型,使用单张胸部X光片预测动脉粥样硬化心血管疾病导致的心脏病或中风死亡的10年风险。这种方法可以帮助识别高风险人群,提高心血管疾病的筛查效率。
印度工程技术学会推出数字平台SARTHI,利用社交媒体和在线开源平台公共数据追踪登革热、疟疾和基孔肯雅病的传播。该平台提供地图、趋势和表格视图,可预测疾病爆发,有助于印度政府的疾病监测和预测模型的建立。
一项新研究发现,基于人工智能的临床决策工具可以帮助改善卫生条件差的地区腹泻病的抗生素管理。该工具可以预测病情是否由病毒引起,从而避免滥用抗生素导致的抗生素耐药问题。
一项研究发现,通过社会人口学、生活方式和健康状况因素,预测模型可以准确预测儿童癌症幸存者的健康相关生活质量。这些预测因素对于制定干预措施以改善儿童癌症幸存者的预后至关重要。
Mayo Clinic的研究人员使用机器学习技术,预测孕妇分娩过程中的变化模式,以此来判断分娩是否会对母婴产生良好的结果。这些预测模型可以帮助医生和助产士做出更加个性化的医疗决策,同时也可以作为远程医疗的工具,帮助医生将农村或偏远地区的患者转诊到适当的医疗机构。
研究人员开发了一种机器学习模型,利用公共卫生信息和执法数据等代理数据源,能够准确估计全国每周阿片类药物过量死亡趋势。这项研究有助于解决过量死亡数据滞后的问题,提高公共卫生官员的预测和干预能力,从而更好地应对阿片类药物危机。
一项新研究表明,机器学习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。这项研究为早期检测产后出血提供了新的方法,以改善患者的预后和死亡率。