An interpretable machine learning model for early risk stratification of medium-to-giant coronary artery aneurysm in Kawasaki disease: development and external validation - PubMed
2 months ago
- #Kawasaki disease
- #coronary artery aneurysm
- #machine learning
- 开发可解释机器学习模型用于川崎病中-巨大冠状动脉瘤（MGCAA）的早期风险分层
- 模型使用六个常规临床变量：血红蛋白、确诊时间、口腔黏膜改变、皮疹、甘油三酯和中性粒细胞百分比
- 内部验证AUC达0.70，外部验证AUC达0.75
- 采用SHAP分析增强模型可解释性，支持预测因子的临床相关性
- 决策曲线分析（DCA）显示在低-中等阈值概率范围内具有潜在净收益
- 模型已部署为基于网页的个体化风险评估工具
- 通过外部验证和仅截距重校准提高了跨人群的普适性
- 因回顾性研究设计和去标识化数据特性，获得伦理审查豁免知情同意