推进早期儿科脓毒症检测：机器学习模型预测48小时内发病
亮点
- 机器学习模型能够使用急诊科（ED）就诊时的早期临床数据准确预测48小时内的儿科脓毒症风险。
- 结合梯度提升树的模型在预测脓毒症和感染性休克方面的AUROC分别达到0.94和0.92或更高。
- 关键预测特征包括紧急严重程度指数、年龄调整的生命体征以及从ED护理最初4小时的电子健康记录中提取的医疗复杂性。
- 公平性分析显示，模型在不同人口统计学群体中的表现一致，但对Medicaid保险患者的表现优于商业保险患者。
研究背景
MedXY 注册用户
免费登录后阅读全文
登录或注册 MedXY 账号，即可解锁本文完整内容。
本文在创作过程中使用了包括 AI 在内的多种编辑工具，并在发布前经人工编辑审核。