Machine-Learning-Modell zur Vorhersage von 30-Tage-Wiederaufnahmen nach Nierentransplantation
Von KI ausgewählt und zusammengefasst
Worum es geht
Retrospektive Kohortenstudie (2.110 Erwachsene, 2008–2023) zur Entwicklung eines ML-Modells (Random Forest, XGBoost) für 30-Tage-Wiederaufnahmen mit Validierung und web-basiertem Risikokalkulator für Klinikteams.
Ergebnis
Wiederaufnahmerate 14,5 %. XGBoost erzielte höchste Diskriminierung (AUC 0,750, 95%-KI 0,722–0,778). Random Forest (AUC 0,744) und logistische Regression (AUC 0,747) vergleichbar. Wichtigste Prädiktoren: Aufenthaltsdauer, Dialysedauer, GFR Tag 7, Empfängeralter, chirurgische Reintervention. Web-basierter Kalkulator verfügbar; externe Validierung ausstehend.
Übertragbarkeit auf Deutschland
Kolumbien, aber Methodik und Prognoseansatz direkt auf deutsche Transplantationszentren 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.