Open Daily: 10am - 10pm | Alley door pickup 10am - 7pm 3038 Hennepin Ave Minneapolis, MN
612-822-4611

  • Open Daily: 10am - 10pm
    Alley-side Pickup: 10am - 7pm

    3038 Hennepin Ave Minneapolis, MN
    612-822-4611

Open Daily: 10am - 10pm | Alley-side Pickup: 10am - 7pm
3038 Hennepin Ave Minneapolis, MN
612-822-4611
Beitrag Der Künstlichen Intelligenz In Der Reanimation

Beitrag Der Künstlichen Intelligenz In Der Reanimation

Chakroun, Sawsen
Ben Mansour, Maha
Ben Slimene, Amine

Paperback

Medical Reference

ISBN10: 6208695546
ISBN13: 9786208695545
Publisher: Verlag Unser Wissen
Published: Feb 27 2025
Pages: 56
Weight: 0.19
Height: 0.13 Width: 6.00 Depth: 9.00
Language: German
Die Früherkennung eines septischen Schocks ist entscheidend für die Verbesserung der Patientenergebnisse. Ziel dieser Studie ist die Entwicklung eines Modells für maschinelles Lernen, das XGBoost verwendet, um einen septischen Schock sechs Stunden im Voraus vorherzusagen. Das Modell wurde mit einem öffentlichen Datensatz trainiert, der 40.336 Patienten umfasste. Es wurde an einem Teil dieses Datensatzes getestet und erreichte eine Genauigkeit von 0,97 und eine AUC von 0,874. Es wurden auch Vorhersagen für 8, 10 und 12 Stunden im Voraus gemacht, die eine Genauigkeit von 0,899, 0,891 und 0,8954 und AUCs von 0,867, 0,8639 und 0,8530 ergaben. Au erdem wurde das Modell an einem lokalen Datensatz des Fattouma Bourguiba Universitätskrankenhauses getestet, der 30 Patienten umfasste. Für die 6-Stunden-Vorhersage im lokalen Datensatz erreichte das Modell eine Genauigkeit von 0,89 und eine AUC von 0,74. Die Vorhersagen für 8, 10 und 12 Stunden im Voraus zeigten eine Genauigkeit von 0,8861, 0,8772 und 0,8718 und AUCs von 0,73, 0,72 bzw. 0,72. Das XGBoost-Modell zeigt ein Potenzial für die Früherkennung des septischen Schocks, bedarf aber für die klinische Anwendung weiterer Tests und Optimierungen.

Also from

Chakroun, Sawsen

View All

Also in

Medical Reference

View All