重症监护病房中抗菌药物耐药性的预测
应用统计
2021-11-08 v1 机器学习
摘要
抗菌药物耐药性（AMR）对患者构成风险，也是医疗系统的负担。然而，AMR 检测通常需耗时数日。本研究基于易获取的临床与微生物学预测因子（包括患者人口统计学特征、住院数据、诊断、临床特征以及微生物学/抗菌药物特性）开发 AMR 预测模型，并将这些模型与使用仅微生物学/抗菌药物特征的朴素 antibiogram 模型进行比较。在培养前准确预测耐药性的能力可辅助临床决策并缩短行动时间。所采用的机器学习算法利用 Philips eICU Research Institute (eRI) 数据库，对 6 种微生物与 10 种抗生素的分类性能（受试者工作特征曲线下面积 0.88–0.89）优于朴素模型（受试者工作特征曲线下面积 0.86）。该方法可帮助指导抗菌治疗，旨在改善患者预后并减少不必要或无效抗生素的使用。
引用
@article{arxiv.2111.03575,
title = {Predicting Antimicrobial Resistance in the Intensive Care Unit},
author = {Taiyao Wang and Kyle R. Hansen and Joshua Loving and Ioannis Ch. Paschalidis and Helen van Aggelen and Eran Simhon},
journal= {arXiv preprint arXiv:2111.03575},
year = {2021}
}