Vorhersage Des Versagens Einer Sauerstofftherapie Mit Hohem Durchfluss [German]

By Khaoula Ben Ismail

Die Hochleistungs-Sauerstofftherapie hat sich bei der Senkung der Sterblichkeit als wirksam erwiesen, aber das Versagen dieser Methode l sst sich nur schwer vorhersagen. Diese Studie zielt darauf ab, k nstliche Intelligenz in die Therapieentscheidung zu integrieren, um die Vorhersage zu verbessern. Wir schlossen 369 Patienten mit COVID-19 ein, die von M rz 2020 bis Dezember 2022 auf der Intensivstation des Regionalkrankenhauses Zaghouan behandelt wurden. Nach der Vorverarbeitung der Daten und der Optimierung der Hyperparameter mit GridSearchCV wurden vier Modelle des maschinellen Lernens getestet: XGBoost, Random Forest, k-nearest neighbors und logistische Regression. Das XGBoost-Modell zeigte mit einer Fl che unter der ROC-Kurve von 0,842 die beste Leistung und bertraf damit den ROX-Index und das Random-Forest-Modell. Die Modelle logistische Regression und k-nearest neighbors zeigten eine schlechtere Leistung. Die Integration von k nstlicher Intelligenz, insbesondere durch das XGBoost-Modell, erscheint vielversprechend, um die Behandlung von Patienten mit COVID-19-Pneumopathie zu verbessern, indem sie diejenigen, bei denen das Risiko besteht, dass die Hochleistungs-Sauerstofftherapie versagt, fr hzeitig identifiziert und unangemessene Intubationen reduziert werden.

• Format: Paperback
• Language: German
• ISBN: 6202002085
• ISBN13: 9786202002080
• Release Date: July 2025
• Publisher: Verlag Unser Wissen
• Length: 60 Pages
• Weight: 0.21 lbs.
• Dimensions: 0.1" x 6.0" x 9.0"