Machine Learning zur Vorhersage von kultur-bestätigter neonataler Sepsis im Intensivbereich
Von KI ausgewählt und zusammengefasst
Worum es geht
Retrospektive Kohortenstudie mit 3274 Neugeborenen (80% Training, 20% Test) aus Jordanien zur Evaluierung von XGBoost, Decision Trees und Neural Networks mit SMOTE-Übersampling zur Sepsis-Vorhersage.
Ergebnis
XGBoost: Accuracy 94% (616/655 Vorhersagen, 95%-KI 92-96%), Sensitivität 98% (95/97 Fälle, KI 96-99%), AUC 0,98 (KI 0,97-0,99); wichtigste Prädiktoren: C-reaktives Protein, Thrombozytenzahl, Gestationsalter.
Übertragbarkeit auf Deutschland
Jordanien (Tertiary NICU), vergleichbarer Ressourcenmangel wie LMIC-Kliniken, aber extern zu validieren.
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.