Assessment of the risk of bacteremia in patients with hematologic malignancies in the emergency department: A comparative study between logistic regression and machine learning algorithms - PubMed
2 months ago
- #Machine Learning
- #Emergency Medicine
- #Bacteremia
- 该研究比较了逻辑回归与机器学习算法，用于预测急诊科血液恶性肿瘤患者菌血症风险。
- 测试了三种模型：BOSS-1（多变量逻辑回归）、BOSS-2（K均值聚类）和BOSS-3（支持向量机）。
- BOSS-1对低风险患者具有高灵敏度（94%），但特异性较低（30%）；而BOSS-2在特异性相近的情况下，改善了高风险患者的识别能力。
- BOSS-3仅将患者分为低风险（66.8%）或高风险（33.2%）组，展现了最佳的灵敏度（61%）与特异性（71%）平衡。
- 外部验证发现BOSS-3的结果可重复性最高，表明监督式机器学习具有最大的临床潜力。