Machine Learning zur Früherkennung von akutem Nierenschaden nach Nicht-Kardiochirurgie
Von KI ausgewählt und zusammengefasst
Worum es geht
Vorhersage postoperativen akuten Nierenschadens (PO-AKI) nach Nicht-Kardio-Operationen mit acht ML-Algorithmen auf großem EHR-Datensatz (n=13.890, 12,37% mit PO-AKI).
Ergebnis
Random-Forest-Klassifikator erzielte bestes ROC-AUC von 0,742 (95% CI 0,725–0,762). Prädiktoren: 62 pre-, intra- und postoperative Merkmale einschließlich Blutdruckverlauf. Modellperformance verbesserte sich von präoperativ ROC-AUC 0,722 auf postoperativ 0,738. Feature-Importance variierte zwischen Ensemble- und Nicht-Ensemble-Modellen erheblich.
Übertragbarkeit auf Deutschland
Deutschland, Hannover Medical School, deutsche EHR-Daten, vergleichbare Dokumentationspflichten und Patientenkohorte.
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.