CareLit Fachartikel

Evaluation von Entscheidungsbaummodellen des maschinellen Lernens für das akute Leberversagen nach Reanimation

Dr. med. Luckscheiter, A. · Anästhesiologie und Intensivmedizin · 2022 · Heft 9 · S. 350 bis 361

Dokument
236881
CareLit-ID
Jahr
2022
Publikation
PDF
ja
Volltext
DOI
–
zitierfähig

Bibliografische Angaben

Zeitschrift
Anästhesiologie und Intensivmedizin
Autor:innen
Dr. med. Luckscheiter, A.
Ausgabe
Heft 9 / 2022
Jahrgang 47
Seiten
350 bis 361
Erschienen: 2022-09-13 00:00:00
ISSN
0170-5334
DOI
–

Zusammenfassung

Zusammenfassung Hintergrund Maschinelles Lernen kann mithilfe digitaler Gesundheitsdaten Prognosemodelle für die frühzeitige Entstehung von Organinsuffizienzen erstellen. Ziel der Studie ist es, Entscheidungsbaummodelle für die Vorhersage des akuten Leberversagens (ALF) nach Reanimation zu evaluieren, da ein solches mit erhöhter Letalität und einer schlechteren Gesamtprognose assoziiert ist.

Schlagworte

REANIMATION STUDIE AUFNAHME HEPATITIS INTENSIVMEDIZIN INTERNATIONAL LERNEN NIERENINSUFFIZIENZ EVALUATION LEBERVERSAGEN ZINK VORHERSAGE PATIENTEN METHODIK DATENSATZ DIAGNOSTIK