
转甲状腺素蛋白淀粉样心肌病预后评估再升级:机器学习风险预测模型
一项基于机器学习的新型模型可显著提升转甲状腺素蛋白淀粉样心肌病的风险预测能力,优于传统分期系统,并有助于支持个体化患者管理。
Our website uses essential cookies and, with your consent, additional cookies to measure performance and improve our services. Cookie Policy.
You can change your choice at any time.
标签

一项基于机器学习的新型模型可显著提升转甲状腺素蛋白淀粉样心肌病的风险预测能力,优于传统分期系统,并有助于支持个体化患者管理。

本文介绍了一种新近构建的整体性 H 评分预后模型,该模型整合患者、疾病及治疗相关因素,用于预测急性白血病患者接受同种异体移植后的白血病无病生存;与现有模型相比,其在风险分层方面更具综合性和预测能力。

新开发的预后模型整合了突变和细胞遗传学数据,能够准确预测接受HMA/VEN治疗的AML患者的生存情况,提供了更优的风险分层,将患者分为低风险、中等风险和高风险三类,每类具有不同的生存期。

本综述分析了个性化预后咨询对头颈部鳞状细胞癌患者决策冲突和后悔的影响,强调了在线预后工具在促进共享决策和患者参与方面的有效性。

FLIPI24使用年龄和五个常规血液变量来分层新诊断的滤泡性淋巴瘤患者,以预测24个月内的事件风险和淋巴瘤相关死亡率,从而实现试验富集和早期的风险适应策略。

一项多中心中国研究开发并验证了一种基于临床和实验室变量的实时列线图,用于预测急性胃肠道出血(AGIB)患者的脓毒症。该工具表现出较强的区分能力(AUC 0.827-0.884)、良好的校准性能,并提供了一个在线监测平台进行动态警报。

一项大型英国队列研究开发并外部验证了别嘌醇诱发严重皮肤不良反应(SCAR)的100天预后模型。主要预测因素包括年龄、慢性肾病(CKD)分期、初始剂量高和亚洲族裔;区分度良好(C≈0.8)。