Machine-Learning-Modelle zur Vorhersage von Schüben bei axialer Spondyloarthritis
Von KI ausgewählt und zusammengefasst
Worum es geht
Entwicklung und externe Validierung von Machine-Learning-Modellen zur Vorhersage von Krankheitsschüben bei axSpA anhand von Routinedaten aus zwei europäischen Registern.
Ergebnis
Ridge-Logistik-Regression erreichte intern AUC 0,72 (95% KI 0,70–0,75), extern 0,63 (0,59–0,68). Acht klinische Prädiktoren waren einflussreich. Bescheidener klinischer Nutzen für Risikostratifizierung erkannt, aber nicht zur individuellen Therapieanpassung geeignet.
Übertragbarkeit auf Deutschland
Niederlande, Spanien, Frankreich; externe Validierung in GLAS-Kohorte demonstriert reale Anwendbarkeit.
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.