新研究揭示了预测免疫性血小板减少症患者严重出血的有前景的机器学习模型

研究人员开发了一种机器学习模型，该模型在预测免疫性血小板减少症 (ITP) 患者严重出血风险方面显示出有希望的结果。

通过分析 10 个简单且易于使用的预测因子，该模型提供了准确的预测，并有可能支持临床医生就患者管理和减少不良后果做出明智的决策。这项研究针对大量 ITP 患者进行，强调了机器学习在改善ITP风险评估和患者护理方面的重要性。

该机器学习模型经过回顾性和前瞻性队列的训练，在预测严重出血事件的发生方面表现出了强大的性能。选定的预测因素包括感染、未控制的糖尿病、当前年龄、ITP 类型、心血管疾病、低绝对淋巴细胞计数 (ALC)、皮肤和粘膜出血、初始血小板计数 (PLT)、低 PLT 和疾病持续时间。这些预测因子是根据其临床相关性和统计显着性精心选择的。

使用各种统计指标对模型进行验证，包括受试者工作特征曲线下面积 (AUC)。该模型的 AUC 值表现出很强的区分能力，表明其在区分危重出血高风险和低风险患者方面的有效性。此外，还生成了校准图来评估模型的校准准确性，显示预测和观察到的出血风险之间的密切一致性。

该研究的结果强调了这种机器学习模型作为预测 ITP 患者严重出血事件的宝贵工具的潜力。通过利用易于获取的临床变量，该模型可以在常规临床实践中实施，以支持医生进行风险分层和决策。基于该算法开发的基于网络的在线工具可以提供快速风险分析，并有助于改善 ITP 管理中的患者结果。

这篇好文章是转载于：知行礼动