Machine Learning zur Vorhersage des Rehabilitationserfolgs in psychosomatischer Rehabilitation
Von KI ausgewählt und zusammengefasst
Worum es geht
Sekundärdatenanalyse an 555 Patienten: Random-Forest-Modelle zur Prognose individueller psychosomatischer Rehabilitationserfolge anhand von 16 Fragebögen und 11 Personenmerkmalen.
Ergebnis
30,02–38,94% der Varianz erklärbar (je nach Dimension). In Kreuzvalidierung 29,33–37,83% Varianzaufklärung bestätigt. 45 relevante Prädiktoren identifiziert (17 Skalenwerte, 28 Einzelitems). Autoren: praktische Umsetzung personalisierter Behandlung aktuell nicht realistisch.
Übertragbarkeit auf Deutschland
Deutschland, Deutsche Rentenversicherung-Kohorte, direkt auf deutsches Reha-System übertragbar
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.