28,99 €
inkl. MwSt.
Versandfertig in 6-10 Tagen
14 °P sammeln
Andere Kunden interessierten sich auch für
![L'Applicazione dell'Intelligenza Artificiale nel morbo di Alzheimer]( "L'Applicazione dell'Intelligenza Artificiale nel morbo di Alzheimer")
L'Applicazione dell'Intelligenza Artificiale nel morbo di Alzheimer19,99 €![L'intelligenza artificiale al servizio dell'ematologia]( "L'intelligenza artificiale al servizio dell'ematologia")
L'intelligenza artificiale al servizio dell'ematologia39,99 €![Intelligenza artificiale in parodontologia]( "Intelligenza artificiale in parodontologia")
Intelligenza artificiale in parodontologia39,99 €![Fisioterapia in terapia intensiva]( "Fisioterapia in terapia intensiva")
Fisioterapia in terapia intensiva35,99 €![Tecniche di fisioterapia nell'unità di terapia intensiva neonatale]( "Tecniche di fisioterapia nell'unità di terapia intensiva neonatale")
Tecniche di fisioterapia nell'unità di terapia intensiva neonatale26,99 €![Previsione del diabete con l'apprendimento automatico]( "Previsione del diabete con l'apprendimento automatico")
Previsione del diabete con l'apprendimento automatico28,99 €![MISURE DI PREVENZIONE DEI CONTATTI NELLE UNITÀ DI TERAPIA INTENSIVA]( "MISURE DI PREVENZIONE DEI CONTATTI NELLE UNITÀ DI TERAPIA INTENSIVA")
MISURE DI PREVENZIONE DEI CONTATTI NELLE UNITÀ DI TERAPIA INTENSIVA28,99 €
La diagnosi precoce dello shock settico è fondamentale per migliorare gli esiti dei pazienti. Lo scopo di questo studio è stato quello di sviluppare un modello di apprendimento automatico utilizzando XGBoost per prevedere lo shock settico con sei ore di anticipo. Il modello è stato addestrato su un set di dati pubblici comprendente 40.336 pazienti. È stato testato su una parte di questo set, ottenendo un'accuratezza dello 0,97 e un'AUC dello 0,874. Sono state effettuate anche previsioni a 8, 10 e 12 ore di distanza, ottenendo rispettivamente un'accuratezza di 0,899, 0,891 e 0,8954 e un'AUC di 0,867, 0,8639 e 0,8530. Inoltre, il modello è stato testato su un dataset locale dell'ospedale universitario Fattouma Bourguiba, composto da 30 pazienti. Per la previsione a 6 ore sul set di dati locale, il modello ha raggiunto un'accuratezza di 0,89 e un'AUC di 0,74. Le previsioni a 8, 10 e 12 ore di distanza hanno mostrato accuratezze di 0,8861, 0,8772 e 0,8718 e AUC di 0,73, 0,72 e 0,72, rispettivamente. Il modello XGBoost mostra un potenziale per la diagnosi precoce dello shock settico, ma richiede ulteriori test e ottimizzazioni per l'applicazione clinica.