近日,糖尿病领域权威杂志Diabetes Care上发表了一篇研究文章,研究人员分析了来自大型大学医院住院的糖尿病患者的数据,并通过机器学习算法预测低血糖风险。
研究人员从医院的电子病历系统中提取了四年的数据,这包括了实验室和临床护理时的血糖(BG)值,以识别生化和临床上显著的低血糖发作(分别为BG≤3.9和≤2.9 mmol/L)。研究人员使用了患者的人口统计资料、所用药物信息、生命体征、实验室结果以及住院期间接受的治疗来建型。数据集的两次迭代包括给药的胰岛素剂量和过去住院的低血糖病史。研究人员使用受试者工作特性曲线(AUROC)下面积,通过10倍交叉验证比较了18种不同的预测模型。
研究人员分析了从2014年7月至2018年8月期间入院32758人次的17658例糖尿病患者的数据。logistic回归模型的预测因素包括接受的治疗、体重、糖尿病类型、血氧饱和度水平、药物使用情况(胰岛素、磺酰脲和二甲双胍)和白蛋白水平。评估临床上明显的低血糖风险性能最佳的机器学习模型是XGBoost模型(AUROC为0.96),这优于logistic回归模型,该模型的AUROC为0.75。
由此可见,在预测糖尿病住院患者低血糖的风险方面,先进的机器学习模型优于Logsitic回归模型。应该实时进行此类模型的试验,以评估其在减少住院患者低血糖中的作用。
原始出处:
Yue Ruan,et al.Predicting the Risk of Inpatient Hypoglycemia With Machine Learning Using Electronic Health Records.Diabetes Care.2020.https://doi.org/10.2337/dc19-1743
Diabetes Ther:家人的关心有助于改善糖尿病患者低血糖负担
0 2019-10-11 点击查看
NEJM:自动化胰岛素注射闭环系统用于I型糖尿病治疗
0 2019-11-01 点击查看
惊悚:66岁男子心衰入院,半夜胡言乱语,说墙后有人.....
0 2019-12-11 点击查看
Diabetes Care:糖皮质激素治疗糖尿病孕妇将增加新生儿低血糖风险
0 2020-02-11 点击查看
误把低血糖当酒精中毒,会出人命!
0 2020-03-28 点击查看
糖尿病合并低血糖患者的福音!FDA接受dasiglucagon HypoPal“救援笔”用于严重低血糖的新药申请
0 2020-05-24 点击查看