Andere Kunden interessierten sich auch für
![La inteligencia artificial en la medicina del tercer milenio : de la predicción al diagnóstico]( "La inteligencia artificial en la medicina del tercer milenio : de la predicción al diagnóstico")
La inteligencia artificial en la medicina del tercer milenio : de la predicción al diagnóstico14,99 €![El tratamiento psicofarmacológico de los trastornos psicóticos duales]( "El tratamiento psicofarmacológico de los trastornos psicóticos duales")
El tratamiento psicofarmacológico de los trastornos psicóticos duales16,99 €![Revisión rápida de la neurointervención]( "Revisión rápida de la neurointervención")
Revisión rápida de la neurointervención43,99 €![La osteorradionecrosis de un vistazo]( "La osteorradionecrosis de un vistazo")
La osteorradionecrosis de un vistazo16,99 €![Cuidados de enfermería sobre la base de los puntos fuertes : un modelo de atención para favorecer la salud y la curación de la persona y la familia]( "Cuidados de enfermería sobre la base de los puntos fuertes : un modelo de atención para favorecer la salud y la curación de la persona y la familia")
Cuidados de enfermería sobre la base de los puntos fuertes : un modelo de atención para favorecer la salud y la curación de la persona y la familia60,99 €![Cuidados de lactancia]( "Cuidados de lactancia")
Cuidados de lactancia29,99 €![Revue rapide de la neuro-intervention]( "Revue rapide de la neuro-intervention")
Revue rapide de la neuro-intervention43,99 €
La detección precoz del shock séptico es crucial para mejorar la evolución de los pacientes. El objetivo de este estudio era desarrollar un modelo de aprendizaje automático mediante XGBoost para predecir el shock séptico con seis horas de antelación. El modelo se entrenó con un conjunto de datos públicos compuesto por 40.336 pacientes. Se probó en parte de este conjunto, logrando una precisión de 0,97 y un AUC de 0,874. También se hicieron predicciones para 8 pacientes. También se hicieron predicciones a 8, 10 y 12 horas vista, con precisiones de 0,899, 0,891 y 0,8954, y AUC de 0,867, 0,8639 y 0,8530, respectivamente. Además, el modelo se probó en un conjunto de datos local del Hospital Universitario Fattouma Bourguiba, compuesto por 30 pacientes. Para la predicción de 6 horas en el conjunto de datos local, el modelo alcanzó una precisión de 0,89 y un AUC de 0,74. Las predicciones para 8, 10 y 12 horas mostraron precisiones de 0,8861, 0,8772 y 0,8718, y AUC de 0,73, 0,72 y 0,72, respectivamente. El modelo XGBoost muestra potencial para la detección precoz del shock séptico, pero requiere más pruebas y optimización para su aplicación clínica.