Systematic review and network meta-analysis of machine learning algorithms in sepsis prediction

人工智能 机器学习 计算机科学 支持向量机 算法
作者
Yulei Gao,Chao‐Lan Wang,Jiaxin Shen,Ziyi Wang,Yan-Cun Liu,Yanfen Chai
出处
期刊:Expert Systems With Applications [Elsevier]
卷期号:245: 122982-122982 被引量:2
标识
DOI:10.1016/j.eswa.2023.122982
摘要

With the integration of artificial intelligence and clinical medicine, machine learning (ML) algorithms have been applied to develop sepsis predictive models for sepsis management. The purpose is to systematically summarize existing evidence to determine the effectiveness of ML algorithms in sepsis. We conducted a systematic electronic search of databases including PubMed, Cochrane Library, Embase, and the Web of Science, and included all case-control and cohort studies using terms reflecting sepsis and ML up to September 2023. statistical software STATA was used for network meta-analysis, and QUADAS-2 tool was used to assess the certainty of evidence. The SUCRA results for sensitivity, specificity, and predictive accuracy of various models are as follows: DSPA (77.0 %) > Imbalance-XGBoost (72.9 %) > CNN + Bi-LSTM (69.7 %) > CNN (67.3 %) > LR (62.4 %) > Ensemble model (55.9 %) > RF (53.2 %) > ET (51.3 %) > XGBoost (49.1 %) > DNN (48.1 %) > MLP (47.5 %) > RBF (47.1 %) > KNN (45.8 %) > NB (33.3 %) > SVM (13.7 %) > Bi-LSTM (5.7 %); CNN (78.3 %) > CNN + Bi-LSTM (77.6 %) > DSPA (75.1 %) > ET (69 %) > Bi-LSTM (68.5 %) > MLP (51 %) > RBF (50.2 %) > KNN (47.3 %) > RF (47 %) > Ensemble Model (43.4 %) > XGBoost (38.1 %) > SVM (37.3 %) > NB (34.2 %) > DNN (31.1 %) > LR (30.4 %) > Imbalance-XGBoost (21.5 %); DSPA (85.9 %) > CNN + Bi-LSTM (82.6 %) > CNN (81.9 %) > Imbalance-XGBoost (76.8 %) > ET (67.8 %) > RF (51.1 %) > Ensemble model (47.7 %) > XGBoost (44.4 %) > LR (42.7 %) > MLP (38.1 %) > RBF (37.8 %) > KNN (37.3 %) > DNN(35.8 %) > Bi-LSTM(33.3 %) > NB(21.5 %) > SVM(15.3 %). DSPA and CNN may be the best ML algorithms for predicting sepsis. Imbalance-XGBoost algorithm outperformed other traditional ML algorithms in terms of sensitivity and predictive accuracy. This study has several implications for clinical practice and research, highlighting the potential benefits of using ML algorithms in sepsis management, particularly in improving sepsis detection and reducing mortality rates. Through our systematic review and network meta-analysis, we have provided a comprehensive and accurate assessment of the effectiveness of ML algorithms in sepsis prediction, emphasizing the need for further exploration and evaluation of these algorithms to advance sepsis management.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
柿饼完成签到,获得积分10
1秒前
hwezhu发布了新的文献求助10
1秒前
小趴发布了新的文献求助10
2秒前
小马哥发布了新的文献求助10
2秒前
天天快乐应助xcydd采纳,获得30
3秒前
SYT完成签到,获得积分10
4秒前
hml123完成签到,获得积分10
4秒前
4秒前
我是老大应助可靠豆芽采纳,获得10
4秒前
干净笑南发布了新的文献求助10
5秒前
hsp完成签到,获得积分10
5秒前
burrrrr完成签到,获得积分10
5秒前
8秒前
情怀应助susu采纳,获得10
8秒前
AXIANGGE完成签到,获得积分10
9秒前
9秒前
Notorious发布了新的文献求助10
10秒前
guozi完成签到,获得积分10
10秒前
10秒前
burrrrr发布了新的文献求助10
12秒前
12秒前
包容的世倌完成签到,获得积分10
12秒前
涣醒发布了新的文献求助10
13秒前
执着飞阳关注了科研通微信公众号
13秒前
Yziii应助CC采纳,获得10
14秒前
zz完成签到,获得积分10
14秒前
14秒前
阳光的芯发布了新的文献求助10
15秒前
16秒前
大个应助上进生采纳,获得10
17秒前
17秒前
可爱的函函应助薄荷采纳,获得10
18秒前
19秒前
xiao应助科研通管家采纳,获得20
19秒前
李健应助科研通管家采纳,获得10
19秒前
所所应助科研通管家采纳,获得10
19秒前
科目三应助科研通管家采纳,获得10
19秒前
19秒前
科研通AI2S应助科研通管家采纳,获得10
19秒前
涣醒完成签到,获得积分10
19秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
A Dissection Guide & Atlas to the Rabbit 600
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 500
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3105137
求助须知:如何正确求助?哪些是违规求助? 2756288
关于积分的说明 7638684
捐赠科研通 2410249
什么是DOI,文献DOI怎么找? 1278761
科研通“疑难数据库(出版商)”最低求助积分说明 617495
版权声明 599262