图片

慢性阻塞性肺病是一种慢性炎症性肺部疾病，会导致肺部气流受阻。在美国，超过1570万美国人被诊断患有慢性阻塞性肺病，其中96%的人患有至少一种其它慢性疾病。它是该国第四大死因。每年有超过220万患者因慢性阻塞性肺病加重而住院。及时监测和预测患者的病情恶化可以挽救他们的生命，但现有的预测模型在准确性和实用性方面仍未达到理想水平。

本研究的临床相关性在于：在超过三分之二的高危患者中，慢阻肺被漏诊或误诊。识别早期慢阻肺患者可以改善预后并减轻医疗体系的负担。预测模型可以识别可能从早期或更具体干预中受益的慢阻肺患者。研究结果表明，临床可用的患者数据和生命体征可以预测慢阻肺急性加重的风险。

图片

本文提出了以下两种预测模型，分别基于呼吸临床记录和生命体征数据。

模型1：基于呼吸临床记录的慢阻肺预测模型，使用自然语言处理技术将文本数据转换为数值数据，并使用机器学习模型进行预测。具体步骤包括文本预处理、特征提取和模型训练。

模型2：基于生命体征的慢阻肺预测模型，使用心率和血氧饱和度等生命体征数据，提取统计特征，并使用机器学习模型进行预测。具体步骤包括数据预处理、特征提取和模型训练。

本研究使用了包含生理信号和生命体征时间序列的数据记录来训练和测试这些模型。这些记录来自患者监护仪和医院信息系统中数万名重症监护室患者的综合临床数据。

图片

研究结果表明，利用机器学习、临床小结和生命体征可以有效预测慢阻肺的发生和发展。在检测和预测慢阻肺急性加重方面，模型达到了0.82的ROC曲线下面积。

总之，这项研究为慢阻肺预测提供了一种新的方法，结合了临床记录和生命体征数据，展示了机器学习在慢性疾病管理中的潜力。未来的研究方向可以纳入更多类型的数据（如实验室数据、影像报告、病程记录和呼吸机参数等），进一步提高模型准确性，以及将本研究所提出的模型框架应用于其它预测任务（如住院时间、再住院或患者生存率预测等）。

如需要《利用机器学习、临床小结和生命体征预测慢性阻塞性肺病》（英文，共11页），请在本微信公众号中赞赏（点喜欢或稀罕作者后按本公众号设定打赏）后发来email地址索取。

图片


图片


图片

★ 每日鲜鸡汤  ★

Not everyone will appreciate what you do for them. you have to figure out who's worth your kindness and who's just taking advantage. 不是每个人都会感激你为他们所做的。你必须弄清楚谁值得你的善良，谁只是在利用你。早上好！

图片