ML-Modell für Pneumonie-Risiko nach Hirnblutung-OP mit Explainability
Von KI ausgewählt und zusammengefasst
Worum es geht
Dual-Kohorten-Studie entwickelte und validierte Machine-Learning-Modelle zur Vorhersage postoperativer Lungeninfektionen nach Aneurysma-Clipping; zusätzlich explorativ EN-Timing analysiert.
Ergebnis
Naive-Bayes-Modell zeigte beste Validierungs-Performance (AUC 0,811; 95%-KI 0,755–0,855); SHAP-Analyse identifizierte Hauptprädiktoren; EN-Timing zeigte nichtlineares Muster mit Inflektionspunkt 24,0 h (95% Bootstrap-KI 23,0–27,0 h).
Übertragbarkeit auf Deutschland
China-Daten, Methodik (TRIPOD+AI) international anwendbar
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.