已入深夜,您辛苦了!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,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Data-Driven Strategies for Carbimazole Titration: Exploring Machine Learning Solutions in Hyperthyroidism Control

卡比咪唑 布里氏评分 医学 特征选择 机器学习 置信区间 人工智能 计算机科学 随机森林 加药 特征(语言学) 统计 内科学 数学 甲状腺 格雷夫斯病 语言学 哲学
作者
Thilo Reich,Rashid Bakirov,Dominika Budka,Derek M. Kelly,James G. Smith,Tristan Richardson,Marcin Budka
出处
期刊:The Journal of Clinical Endocrinology and Metabolism [The Endocrine Society]
标识
DOI:10.1210/clinem/dgae642
摘要

Abstract Background University Hospitals Dorset (UHD) has over 1,000 thyroid patient contacts annually. These are primarily patients with autoimmune hyperthyroidism treated with Carbimazole titration. Dose adjustments are made by a healthcare professional (HCP) based on the results of thyroid function tests, who then prescribes a dose and communicates this to the patient via letter. This is time-consuming and introduces treatment delays. This study aimed to replace some time-intensive manual dose adjustments with a machine learning model to determine Carbimazole dosing. This can in the future serve patients with rapid and safe dose determination and ease the pressures on HCPs. Methods Data from 421 hyperthyroidism patients at UHD were extracted and anonymised. A total of 353 patients (83.85%) were included in the study. Different machine-learning classification algorithms were tested under several data processing regimes. Using an iterative approach, consisting of an initial model selection followed by a feature selection method the performance was improved. Models were evaluated using weighted F1 scores and Brier scores to select the best model with the highest confidence. Results The best performance is achieved using a random forest (RF) approach, resulting in good average F1 scores of 0.731. A model was selected based on a balanced assessment considering the accuracy of the prediction (F1 = 0.751) and the confidence of the model (Brier score = 0.38). Conclusion To simulate a use-case, the accumulation of the prediction error over time was assessed. It was determined that an improvement in accuracy is expected if this model was to be deployed in practice.
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
隐形曼青应助GK采纳,获得10
3秒前
yudandan@CJLU发布了新的文献求助10
4秒前
Patrick完成签到 ,获得积分10
6秒前
6秒前
执念完成签到 ,获得积分10
7秒前
行云流水完成签到,获得积分10
8秒前
称心的语梦完成签到,获得积分10
8秒前
皮卡皮卡完成签到,获得积分10
9秒前
yudandan@CJLU完成签到,获得积分10
10秒前
766465完成签到 ,获得积分10
10秒前
xiuxiuzhang完成签到 ,获得积分10
10秒前
11秒前
13秒前
16秒前
忧郁衬衫发布了新的文献求助10
17秒前
别当真完成签到 ,获得积分10
17秒前
海陵吹风鸡完成签到,获得积分10
18秒前
香蕉觅云应助lvsehx采纳,获得10
18秒前
坚定的迎波完成签到,获得积分10
19秒前
柳条儿发布了新的文献求助10
20秒前
我是老大应助123采纳,获得10
20秒前
庞mou完成签到 ,获得积分10
20秒前
21秒前
无辜的惜寒完成签到 ,获得积分10
21秒前
巅峰囚冰发布了新的文献求助10
22秒前
HRZ完成签到 ,获得积分10
23秒前
Eric800824完成签到 ,获得积分10
24秒前
春日奶黄包完成签到 ,获得积分10
25秒前
围城完成签到,获得积分10
26秒前
巅峰囚冰完成签到,获得积分10
27秒前
左辄完成签到 ,获得积分10
28秒前
可久斯基完成签到 ,获得积分10
29秒前
29秒前
29秒前
就看最后一篇完成签到 ,获得积分10
30秒前
30秒前
科研不算楠完成签到,获得积分10
30秒前
31秒前
东莞市东莞市完成签到,获得积分10
32秒前
研究僧完成签到,获得积分10
33秒前
高分求助中
Lire en communiste 1000
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 800
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Becoming: An Introduction to Jung's Concept of Individuation 600
肝病学名词 500
Evolution 3rd edition 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 3171323
求助须知:如何正确求助?哪些是违规求助? 2822317
关于积分的说明 7938730
捐赠科研通 2482787
什么是DOI,文献DOI怎么找? 1322791
科研通“疑难数据库(出版商)”最低求助积分说明 633742
版权声明 602627