密歇根大学的研究人员分析了近400名新冠患者的数据,并开发了一种算法,可以预测哪些患者的病情可能会随着时间的推移而恶化。该算法利用机器学习,并考虑到一些生命体征,包括心率、呼吸频率和血糖水平。在积累了48小时的患者数据后,发现该算法特别准确。
如果能及早发现高危新冠患者,就能让医生有更多时间考虑并实施积极的治疗方案。研究人员指出,该算法可以整合到现有的临床支持软件中。
当出现新冠症状的患者入院时,很难预测他们的病情会经过几天的治疗就会好转,还是会逐渐恶化。为此,密歇根大学的一个研究团队最近开发了一种算法,旨在解决这个问题。该算法基于398名住院的COVID-19患者在三个月内获得的临床数据。
该算法利用机器学习,并考虑到几个预测变量,包括患者的氧饱和度水平、呼吸频率、心率、血压和血糖水平。这项发表在《英国麻醉学杂志》上的研究指出,该算法可以高度准确地预测患者何时可能死亡或需要通气。
Knowridge报告说:
团队评估了4小时、8小时、24小时和48小时的数据点,试图确定预测和干预病人恶化前所需的最佳时间。
他们发现离事件越近,他们的预测能力越高,这是他们所期望的。
但他们仍然能够在48小时内以良好的辨别力预测结果,使提供者有时间对患者的护理进行改变或调动资源。
研究人员补充说,该算法可以很容易地整合到现有的临床支持软件中。总而言之,该算法使医生更容易识别哪些COVID-19患者可能需要额外的支持和资源。通过早期识别这些患者,医生将有更多的时间考虑积极的治疗干预措施,并有更多的时间来规划 “适当的呼吸机分配和使用”。
责编AJX
-
算法
+关注
关注
23文章
4760浏览量
97126 -
机器学习
+关注
关注
66文章
8541浏览量
136220
发布评论请先 登录
植入脊髓刺激器的疼痛患者是否可以无创HD-tDCS解决?
老年份的电子元器件是否可买
蜂鸟E203简单分支预测的改进
AES和SM4算法的可重构分析
基于全局预测历史的gshare分支预测器的实现细节
UPS电源—看UPS电源如何守卫患者数据
开箱即用!冠显Type-C评估套件介绍
永磁同步电机新型矢量控制
信道预测模型在数据通信中的作用
基于梯度下降算法的三元锂电池循环寿命预测

新型算法可预测新冠患者是否会恶化
评论