• 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
Wklad Sztucznej Inteligencji W IntensywnĄ TerapiĘ

Wklad Sztucznej Inteligencji W IntensywnĄ TerapiĘ

Paperback

Medical Reference

ISBN10: 6208695589
ISBN13: 9786208695583
Publisher: Wydawnictwo Nasza Wiedza
Published: Feb 27 2025
Pages: 52
Weight: 0.18
Height: 0.12 Width: 6.00 Depth: 9.00
Language: Polish
Wczesne wykrycie wstrząsu septycznego ma kluczowe znaczenie dla poprawy wyników leczenia pacjentów. Niniejsze badanie ma na celu opracowanie modelu uczenia maszynowego wykorzystującego XGBoost do przewidywania wstrząsu septycznego z sześciogodzinnym wyprzedzeniem. Model zostal wytrenowany na publicznym zbiorze danych obejmującym 40 336 pacjentów. Przetestowano go na części tego zestawu, osiągając dokladnośc 0,97 i AUC 0,874. Wykonano również prognozy na 8, 10 i 12 godzin do przodu, uzyskując dokladnośc 0,899, 0,891 i 0,8954 oraz AUC odpowiednio 0,867, 0,8639 i 0,8530. Ponadto model zostal przetestowany na lokalnym zbiorze danych ze Szpitala Uniwersyteckiego Fattouma Bourguiba, obejmującym 30 pacjentów. W przypadku 6-godzinnego przewidywania na lokalnym zbiorze danych model osiągnąl dokladnośc 0,89 i AUC 0,74. Prognozy na 8, 10 i 12 godzin do przodu wykazaly dokladnośc 0,8861, 0,8772 i 0,8718 oraz AUC odpowiednio 0,73, 0,72 i 0,72. Model XGBoost wykazuje potencjal do wczesnego wykrywania wstrząsu septycznego, ale wymaga dalszych testów i optymalizacji do zastosowań klinicznych.

Also from

Chakroun, Sawsen

Also in

Medical Reference