机器学习模型可以帮助提高急诊室分诊方法的预测能力。美国医学协会的一项研究表明，该技术在临床预测方面优于传统方法。

这些发现可能有助于改进分诊的临床预测方法，改善急诊室的资源分配。

“由于这两个因素之间的妥协，急诊科的分类系统试图在分类不充分和分类过度之间找到适当的平衡。在目前的研究中，机器学习方法在预测重症监护效果方面显示出比传统方法更高的灵敏度，”马萨诸塞州总医院研究员Tadahiro Goto博士说。写道。

随着到急诊室就诊的患者数量和敏感度的增加，准确区分和区分患者优先顺序的能力变得越来越重要。根据这项研究，目前的分流系统过于拥挤，在区分危重儿童方面表现不佳。

为了解决这一问题，提供更高质量、及时的护理，研究人员建议优化分诊制度，避免危重患儿入院率下降，降低急诊室入院率。

卡迪夫大学的研究人员最近利用人工智能开发了临床预测模型，使心血管疾病患者的预后更加准确可靠。

在这项研究中，研究人员使用了2007年至2015年儿童就诊的52037个ER数据集。70%的数据用于训练和开发四种机器学习模型，以预测两种临床结果的可能性：重症监护和住院治疗。

重症监护结果被定义为直接进入重症监护室或在医院死亡。住院结果定义为住院或直接转到急诊医院。本研究表明，与传统方法相比，机器学习模型在预测临床结果方面更好。

在预测临床护理结果时，传统模型的区分能力最低，而四种机器学习模型的区分能力都很高。在预测住院结局时，传统模型再次具有最低的区分能力，而机器学习模型具有“显著更高的区分能力”。

Goto等人说：“最近的研究报告称，机器学习方法提高了对儿童颅脑外伤、计划外转入ICU、败血症ed以及哮喘或慢性阻塞性肺疾病患者住院的医院死亡率的预测。”等等。“这项研究是基于这些以前的报告，并通过展示现代机器学习方法预测大量儿童ed就诊的临床结果和配置的出色能力来扩展这些报告。”

尽管需要额外的验证，但研究人员表示，这些发现“提供了一个应用先进预测方法来支持临床医生(ed)分诊决策的机会，从而实现更准确的临床护理和优化的资源分配。"

郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。

标签:机器学习急诊室。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：