A machine-learning approach to predicting hypotensive events in ICU settings

时间戳 计算机科学 机器学习 人工智能 算法 医学 数据挖掘 实时计算
作者
Mina Chookhachizadeh Moghadam,Ehsan Masoumi Khalil Abad,Nader Bagherzadeh,Davinder Ramsingh,G.P. Li,Zeev N. Kain
出处
期刊:Computers in Biology and Medicine [Elsevier]
卷期号:118: 103626-103626 被引量:23
标识
DOI:10.1016/j.compbiomed.2020.103626
摘要

Predicting hypotension well in advance provides physicians with enough time to respond with proper therapeutic measures. However, the real-time prediction of hypotension with high positive predictive value (PPV) is a challenge. This is due to the dynamic changes in patients’ physiological status following drug administration, which limits the quantity of useful data available for the algorithm. To mimic real-time monitoring, we developed a machine-learning algorithm that uses most of the available data points from patients’ records to train and test the algorithm. The algorithm predicts hypotension up to 30 min in advance based on the data from only 5 min of patient physiological history. A novel evaluation method is also proposed to assess the performance of the algorithm as a function of time at every timestamp within 30 min of hypotension onset. This evaluation approach provides statistical tools to find the best possible prediction window. During about 181,000 min of monitoring of 400 patients, the algorithm demonstrated 94% accuracy, 85% sensitivity and 96% specificity in predicting hypotension within 30 min of the events. A high PPV of 81% was obtained, and the algorithm predicted 80% of hypotensive events 25 min prior to onset. It was shown that choosing a classification threshold that maximizes the F1 score during the training phase contributes to a high PPV and sensitivity. This study demonstrates the promising potential of machine-learning algorithms in the real-time prediction of hypotensive events in ICU settings based on short-term physiological history.
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
洁净青筠发布了新的文献求助10
2秒前
Ethan完成签到 ,获得积分10
9秒前
Fly完成签到,获得积分10
10秒前
阿拉斯加剪短毛完成签到 ,获得积分10
12秒前
精明秋完成签到,获得积分10
16秒前
我不会乱起名字的完成签到,获得积分10
19秒前
nianshu完成签到 ,获得积分10
19秒前
LSi奇完成签到 ,获得积分10
23秒前
Shinchan完成签到 ,获得积分10
25秒前
星叶完成签到 ,获得积分10
26秒前
昏睡的沛柔完成签到 ,获得积分10
28秒前
顺利毕业完成签到 ,获得积分10
31秒前
32秒前
mm完成签到,获得积分10
32秒前
满意白卉完成签到 ,获得积分10
36秒前
mm发布了新的文献求助10
37秒前
巴达天使完成签到,获得积分10
39秒前
fff完成签到 ,获得积分10
42秒前
勤劳的颤完成签到 ,获得积分10
44秒前
tata0215完成签到 ,获得积分10
45秒前
跳跃的孤云完成签到 ,获得积分10
57秒前
Ivan完成签到 ,获得积分10
1分钟前
不吃了完成签到 ,获得积分10
1分钟前
xiaohong完成签到 ,获得积分0
1分钟前
迅速的巧曼完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
kl完成签到 ,获得积分10
1分钟前
sihaibo完成签到,获得积分10
1分钟前
TOUHOUU发布了新的文献求助10
1分钟前
1分钟前
yfy完成签到 ,获得积分10
1分钟前
生动听筠完成签到 ,获得积分10
1分钟前
wangxc完成签到 ,获得积分10
1分钟前
如沐完成签到 ,获得积分20
1分钟前
1分钟前
H-kevin.完成签到,获得积分10
1分钟前
婉莹完成签到 ,获得积分0
1分钟前
cripple发布了新的文献求助10
1分钟前
丰盛的煎饼应助zyjsunye采纳,获得10
1分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 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 3052652
求助须知:如何正确求助?哪些是违规求助? 2709874
关于积分的说明 7418298
捐赠科研通 2354492
什么是DOI,文献DOI怎么找? 1246104
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921