Machine Learning für Dysphagie-Screening bei Demenzpatienten
Von KI ausgewählt und zusammengefasst
Worum es geht
Entwicklung und externe Validierung eines interpretierbaren Machine-Learning-Modells zur Früherkennung von Schluckstörungen bei Demenzkranken mittels routinemäßig verfügbarer klinischer Daten.
Ergebnis
AdaBoost erzielte AUC 0,918 (interne Validierung), 0,900 (externe Validierung Klinik), 0,889 (zeitliche externe Validierung); Sensitivität 0,879–0,901; Hauptprädiktoren: BMI, Zahnzahl, Essfähigkeit, Ernährungstyp, Clinical Dementia Rating.
Übertragbarkeit auf Deutschland
China, aber Modell auf europäische Demenzversorgung übertragbar, Online-Tool zur Fallidentifikation entwickelt.
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.