卡塔尔世界杯8强波胆分析

摘要

背景:

肝素抗凝治疗是重症监护室常用的治疗方法，通过活化部分凝血活蛋白凝血时间(aPTT)监测。已有研究表明，在24小时内达到既定的抗凝目标与良好的预后相关。然而，患者对肝素的反应不同，达到抗凝目标可能具有挑战性。机器学习算法可能会为临床医生提供更好的剂量建议。

摘要目的:

这项研究评估了一系列机器学习算法预测患者对肝素治疗反应的能力。在目前的分析中，我们首次应用了一个考虑时间序列的模型。

方法:

我们从医院信息系统中提取了患者人口统计数据、实验室值、透析和ecmo治疗以及评分。我们建立了一个回归任务来预测连续肝素输注24小时后的aPTT实验室值，并评估了七种不同的机器学习模型。我们将连续肝素输注前12小时内的所有数据作为特征，并预测24小时后的aPTT值。

结果:

aPTT在我们5926例住院患者队列中的分布是高度倾斜的。虽然大多数患者的aPTT值低于75秒，但一些异常值显示aPTT值更高。使用时间序列特征的循环神经网络在测试集上表现出最高的性能。

结论:

循环神经网络使用时间序列特征，而不仅仅是静态和聚合特征，显示出预测肝素治疗后aPTT的最高性能。