Knowledge-Hub Digitalisierung, KI & Gesundheitein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Machine-Learning-Modell zur Vorhersage von 30-Tage-Wiederaufnahmen nach Nierentransplantation

Pinto-Ramírez J et al. · BMC Med Inform Decis Mak · erschienen 28.07.2026 · in PubMed seit 23.10.2026 · PMID 42919237

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.

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.