基于机器学习方法预测急性肾损伤的研究现状

摘要：

目的:系统性回顾基于机器学习方法的急性肾损伤预测模型的研究现状,为探索临床早期诊疗提供参考.方法:检索PubMed、Web of Science和CNKI近10年急性肾损伤的论文,利用机器学习方法预测,进行文献筛选后重点提取预测研究的设计、数据的利用和预测模型的建立与评估3个方面的内容.结果:检索纳入13个国家或地区的71篇论文.54项研究为单中心回顾性研究.样本量范围为18～970869(中位数为5133),特征数量范围为10～1917(中位数为25).实验室检查数据为常用特征.多数研究没有解决数据偏差问题(如数据缺失、样本不均衡).仅7项研究建立动态连续预测模型.结论:利用机器学习方法预测急性肾损伤尚无法与临床诊疗深度融合.未来研究应基于优化的数据和算法,建立多中心前瞻性的融合复杂算法的动态预测模型.

关键词：急性肾损伤、机器学习、预测模型、系统综述

所属期刊栏目：18

分类号：R319(医用一般科学)

在线出版日期：2023-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：80-87