机构名称：
¥ 1.0
截肢是针对多种医疗概率的不可逆的最后一线治疗。延迟截肢而有利于肢体的治疗可能会导致发病率和死亡率的风险增加。该系统评价旨在综合有关如何应用ML以预测截肢为结果的文献。OVID EMBASE，OVID MEDLINE，ACM数字图书馆，Scopus，Web of Science和IEEE Xplore从Inception到2023年3月5日进行了搜索。1376年的研究被筛选；包括15篇文章。在糖尿病流行中，模型的范围从次级最佳到出色的性能（AUC：0.6-0.94）。在创伤患者中，模型具有强大的表现（AUC：0.88-0.95）。在接受其他病因的截肢的患者中（例如：烧伤和周围血管疾病），模型的性能相似（AUC：0.81–1.0）。发现许多研究的偏见风险很高，这通常是由于样本量较小。总而言之，已经成功地开发出了多个机器学习模型，这些模型有可能优于传统的建模技术和前瞻性临床判断，以预测截肢。需要进一步的研究来克服当前研究的局限性并将适用性带入临床环境。
使用机器学习预测截肢
主要关键词
相关文件推荐
