Machine-Learning-Modell für Sterblichkeit in Neurokritik: AUROC 0,841 intern, 0,801 extern validiert
Von KI ausgewählt und zusammengefasst
Worum es geht
Retrospektive Kohortenstudie mit MIMIC-IV (n=6.842) und eICU-CRD (n=5.236) zur Entwicklung und externen Validierung eines interpretierbaren ML-Modells für frühe Sterblichkeitsprognose in Neurokritik.
Ergebnis
LightGBM zeigte beste Leistung: interne Test-AUROC 0,841 (KI 0,821–0,861), externe Validierung AUROC 0,801 (KI 0,779–0,824), Sensitivität 72,8 %, Spezifität 73,9 %, NPV 94,7 %. Kalibrierung akzeptabel (Brier 0,101). Hauptprädiktoren: GCS, mechanische Beatmung, Alter, Laktat.
Übertragbarkeit auf Deutschland
Multinationale öffentliche ICU-Datenbanken, externe Validierung vorliegen, aber Implementierung vor prospektiver Validierung in Europa nicht empfohlen
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.