机器学习有助于指导住院病人转移的艰难决策

研究人员已使用引导式机器学习来训练，测试和验证一种算法，该算法可预测被认为转移到单独机构的患者的死亡率。

该工具可根据忙碌的临床医生随时可以使用的因素进行呼叫，同时尊重他们的工作流程，同时帮助患者和家人确定是否需要采取逐步护理的措施是否符合他们的目标和价值观。

这项工作在匹兹堡的UPMC进行，并于2月8日在Plos上发表。

该团队将其名为SafeNet(用于安全非选择性紧急转移)的模型与具有类似目标的qSOFA(用于败血症相关的器官衰竭评估)的类似工具进行对比，发现其系统明显更准确，并且更易于推广到不同的患者人群。

“ SafeNET并不是要取代临床判断，而只是作为触发暂停的一种手段，这样临床医生就可以更好地告知高危患者(或其代理人)疾病的严重程度并实现护理目标当他们到达接收机构时，或者在某些情况下，在将患者转移到他们的支持社区之外之前，”相应的作者Daniel MD，MDiv，MHSc和同事写道。

在UPMC自己的研究范围内，霍尔说，该团队的总体目标是帮助告知一线医生，以便他们指导高危患者的共同决策。

他补充说：“该工具可以帮助将额外资源分配给这些患者，以确保护理计划与患者的价值观和目标相一致。” “通常，转移的患者及其家人不了解他们所面对疾病的严重性，并且对转移到更高级别的护理所产生的结果抱有不切实际的期望。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！