Aprendizaje automático para predicción temprana de resultados en pacientes sépticos en el departamento de emergencias
Autores: Greco, Massimiliano; Caruso, Pier Francesco; Spano, Sofia; Citterio, Gianluigi; Desai, Antonio; Molteni, Alberto; Aceto, Romina; Costantini, Elena; Voza, Antonio; Cecconi, Maurizio
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Aprendizaje automático para predicción temprana de resultados en pacientes sépticos en el departamento de emergencias
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Sepsis
Aprendizaje automático
Mortalidad
Pacientes de urgencias
QSOFA
APACHE II
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 46
Citaciones: Sin citaciones
Antecedentes: Confirmamos que los modelos de random forest superan a los modelos anteriores, incluidos qSOFA, SOFA y APACHE II, en la identificación de pacientes sépticos con mayor riesgo de mortalidad, manteniendo al mismo tiempo una buena interpretabilidad.
Descripción
Antecedentes: Confirmamos que los modelos de random forest superan a los modelos anteriores, incluidos qSOFA, SOFA y APACHE II, en la identificación de pacientes sépticos con mayor riesgo de mortalidad, manteniendo al mismo tiempo una buena interpretabilidad.