Externe Validierung eines ML-Modells zur Delir-Risikovorhersage im Echtbetrieb
Von KI ausgewählt und zusammengefasst
Worum es geht
Qualitätssicherungsstudie zur Live-Validierung eines ML-Delir-Risikomodells (NLP + multimodale Daten) an 33.095 Aufnahmen in nicht-intensiven Stationen von zwei US-Krankenhäusern (Dez. 2024–Dez. 2025); Vergleich vor/nach Modelleinsatz.
Ergebnis
AUROC 0,91 (95% KI 0,90–0,92) am Validierungssstandort (MSM) und 0,94 (95% KI 0,93–0,94) am Entwicklungsstandort (MSH). Positive Vorhersagewert 25,9 % (MSM) und 19,4 % (MSH). Monatliche Delir-Erkennungsrate an MSM nach Einsatz signifikant von 9,23 % auf 19,59 % gestiegen (p<0,001). Modell erhielt stabilitätsunabhängig vom Retraining.
Übertragbarkeit auf Deutschland
USA-Studie; klinischer Validierungsprozess aber übertragbar auf europäische Akutkliniken.
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.