Development and validation of an interpretable machine learning model for early prediction in patients with diabetes and sepsis
6.5
来源：
Nature
关键字：
ML brain science
发布时间：
2025-11-05 07:39
摘要：
本研究开发了一种基于机器学习的模型，旨在预测糖尿病和脓毒症患者的28天生存率。通过对303名患者的临床数据进行分析，研究确定了六个关键预测因素，包括年龄、意识水平、酸碱平衡、AST水平、肌红蛋白浓度和机械通气需求。模型的C-index为0.833，显示出良好的预测能力，能够为临床决策提供有效支持。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分
business_impact
1.0分
scientific_rigor
1.5分
timeliness_innovation
1.5分
investment_perspective
2.5分
market_value_relevance
1.0分
team_institution_background
0.0分
technical_barrier_competition
0.0分
关键证据
模型的C-index为0.833，显示出强大的区分能力。
研究确定了六个主要预测因素，基于303名患者的数据分析。
决策曲线分析表明，该模型在20%到80%的生存概率阈值范围内提供了更大的净收益。
真实性检查
否
AI评分总结
本研究开发了一种基于机器学习的模型，旨在预测糖尿病和脓毒症患者的28天生存率。通过对303名患者的临床数据进行分析，研究确定了六个关键预测因素，包括年龄、意识水平、酸碱平衡、AST水平、肌红蛋白浓度和机械通气需求。模型的C-index为0.833，显示出良好的预测能力，能够为临床决策提供有效支持。