清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Corticosteroid sensitivity detection in sepsis patients using a personalized data mining approach: A clinical investigation

概化理论 医学 逻辑回归 机器学习 败血症 人口 灵敏度(控制系统) 数据挖掘 临床试验 重症监护医学 内科学 计算机科学 统计 电子工程 工程类 数学 环境卫生
作者
Rahma Hellali,Zaineb Chelly Dagdia,Ahmed Ktaish,Karine Zeitouni,Djillali Annane
出处
期刊:Computer Methods and Programs in Biomedicine [Elsevier]
卷期号:245: 108017-108017 被引量:1
标识
DOI:10.1016/j.cmpb.2024.108017
摘要

Sepsis is a life-threatening disease with high mortality, incidence, and morbidity. Corticosteroids (CS) are a recommended treatment for sepsis, but some patients respond negatively to CS therapy. Early prediction of corticosteroid responsiveness can help intervene and reduce mortality. In this study, we aim to develop a data mining methodology for predicting CS responsiveness of septic patients. We used data from a randomized controlled trial called APROCCHSS, which recruited 1241 septis patients to study the effectiveness of corticotherapy. We conducted a thorough study of multiple machine learning models to select the most efficient prediction model, called "signature". We evaluated the performance of the signature using precision, sensitivity, and specificity values. We found that Logistic Regression was the best model with an AUC of 72%. We conducted further experiments to examine the impact of additional features and the model's generalizability to different groups of patients. We also performed a statistical analysis to analyze the effect of the treatment at the individual level and on the population as a whole. Our data mining methodology can accurately predict cortico-sensitivity or resistance in septis patients. The signature has been deployed into the Assistance Publique – Hôpitaux de Paris (APHP) information system as a web service, taking patient information as input and providing a prediction of cortico-sensitivity or resistance. Early prediction of corticosteroid responsiveness can help clinicians intervene promptly and improve patient outcomes.
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
林利芳完成签到 ,获得积分10
17秒前
zhangguo完成签到 ,获得积分10
53秒前
dreamwalk完成签到 ,获得积分10
1分钟前
楚襄谷完成签到 ,获得积分10
1分钟前
无悔完成签到 ,获得积分10
1分钟前
上官若男应助江小霜采纳,获得10
1分钟前
1分钟前
科研通AI2S应助科研通管家采纳,获得10
1分钟前
1分钟前
江小霜发布了新的文献求助10
1分钟前
浅尝离白应助Kadima采纳,获得30
2分钟前
Kadima完成签到,获得积分20
2分钟前
龙猫爱看书完成签到,获得积分10
2分钟前
dichunxia完成签到,获得积分10
3分钟前
英喆完成签到 ,获得积分10
3分钟前
3分钟前
jiyuanqi发布了新的文献求助10
4分钟前
文艺的初南完成签到 ,获得积分10
4分钟前
席康完成签到 ,获得积分10
5分钟前
爆米花应助科研通管家采纳,获得10
5分钟前
wy发布了新的文献求助10
6分钟前
狮子座完成签到 ,获得积分10
6分钟前
vitamin完成签到 ,获得积分10
6分钟前
CipherSage应助wy采纳,获得10
6分钟前
高海龙完成签到 ,获得积分10
7分钟前
JamesPei应助枯藤老柳树采纳,获得10
7分钟前
古炮完成签到 ,获得积分10
7分钟前
田田完成签到 ,获得积分10
7分钟前
7分钟前
7分钟前
凡人丿完成签到,获得积分10
7分钟前
一分发布了新的文献求助50
8分钟前
席江海完成签到,获得积分10
8分钟前
房天川完成签到 ,获得积分10
9分钟前
wangye完成签到 ,获得积分10
9分钟前
9分钟前
Amadeus发布了新的文献求助10
10分钟前
Amadeus完成签到,获得积分10
10分钟前
实力不允许完成签到 ,获得积分10
10分钟前
11分钟前
高分求助中
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
宽禁带半导体紫外光电探测器 388
Case Research: The Case Writing Process 300
Global Geological Record of Lake Basins 300
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 3142823
求助须知:如何正确求助?哪些是违规求助? 2793651
关于积分的说明 7807147
捐赠科研通 2449971
什么是DOI,文献DOI怎么找? 1303563
科研通“疑难数据库(出版商)”最低求助积分说明 627016
版权声明 601350