Elba

2022年4月14日机构名称:

引用本文：Ahmed Mustafa Elbasha、Yasmine Salah Naga、Mai Othman、Nancy Diaa Moussa 和 Hala Sadik Elwakil (2022) 向人工智能模型在透析中并发症预测中的应用迈出了一步，Alexandria Journal of Medicine，58:1，18-30，DOI：10.1080/20905068.2021.2024349

摘要简介：急性透析中并发症仍然是接受血液透析 (HD) 的终末期肾病 (ESRD) 患者的一大负担。它们常常导致 HD 疗程提前终止，从而影响透析充分性和患者的整体健康。这项研究的目的是建立一个人工智能模型并评估其在预测透析中临床事件发生方面的表现。方法：我们研究了 215 名 ESRD 患者进行的 6000 次 HD 疗程，记录了许多预测因素，包括：患者、机器和环境因素。这些数据是在 24 周内收集的，包括 COVID 19 时期的 12 周，并用于开发和训练人工神经网络模型 (ANN) 以预测透析中临床事件的发生，例如：低血压、头痛、高血压、痉挛、胸痛、恶心、呕吐和呼吸困难。结果：我们的 ANN 模型在二元 ANN 中预测透析中并发症（事件或无事件）发生的平均精确度和召回率为 96%，AUC 为 99.3%，而分类 ANN 在预测事件类型方面的准确率为 82%。我们发现心率变化、平均收缩压、超滤率、透析液钠、膳食、尿素减少率、室内湿度和透析持续时间对透析中并发症的发生影响最大。讨论：我们的 ANN 模型可用于预测 HD 患者透析中临床事件的风险，并可为经常人手不足的透析部门的医疗保健决策提供支持，尤其是在 COVID 19 时代。

查看详细