JAMA Network  

2025/01/20-2025/02/09

1. 用于識(shí)別有神經(jīng)系統(tǒng)發(fā)病風(fēng)險(xiǎn)的危重兒童的可互作模型  2.4  JAMA Network Open 

2. 使用機(jī)器學(xué)習(xí)評(píng)估單純性尿路感染的管理  1.31  JAMA Network Open 

3. Walte指數(shù)對(duì)老年人住院后死亡率預(yù)測(cè)的外部驗(yàn)證  1.22  JAMA Network Open 

4. 乳腺癌相關(guān)淋巴水腫5因素風(fēng)險(xiǎn)模型的外部驗(yàn)證  1.21  JAMA Network Open 

THE LANCET  

2025/01/20-2025/02/09

1. 利用管理患者數(shù)據(jù)中的時(shí)間模式來預(yù)測(cè)急診入院風(fēng)險(xiǎn)  2月 The Lancet Digital Health

2. De Novo暴露組地理空間組裝慢性病區(qū)域與機(jī)器學(xué)習(xí)和網(wǎng)絡(luò)分析  1.31  eBioMedicine

3. 開發(fā)和驗(yàn)證用于感染性胰腺壞死患者死亡率預(yù)測(cè)的可解釋機(jī)器學(xué)習(xí)模型  1.22  eClinicalMedicine

JAMA Network

1. 用于識(shí)別有神經(jīng)系統(tǒng)發(fā)病風(fēng)險(xiǎn)的危重兒童的可互作模型

Interoperable Models for Identifying Critically Ill Children at Risk of Neurologic Morbidity

(1) 目的：開發(fā)機(jī)器學(xué)習(xí)模型，用于識(shí)別危重癥住院兒科患者的獲得性神經(jīng)系統(tǒng)發(fā)病率，并評(píng)估與當(dāng)代基于血清的腦損傷衍生生物標(biāo)志物的相關(guān)性。

(2) 結(jié)論：這項(xiàng)用于檢測(cè)危重兒童神經(jīng)系統(tǒng)發(fā)病率的預(yù)測(cè)模型的預(yù)后研究表明，一組具有生物分子佐證的模型表現(xiàn)良好。有必要對(duì)兒科危重癥中的生物標(biāo)志物耦合風(fēng)險(xiǎn)模型進(jìn)行前瞻性評(píng)估和改進(jìn)。

2. 使用機(jī)器學(xué)習(xí)評(píng)估單純性尿路感染的管理

Use of Machine Learning to Assess the Management of Uncomplicated Urinary Tract Infection

(1) 目的：重新評(píng)價(jià)當(dāng)代臨床實(shí)踐中一線抗生素、氟喹諾酮類和口服β-內(nèi)酰胺類藥物治療單純性尿路感染（UTI）的有效性和不良事件概況。

(2) 結(jié)論：在這項(xiàng)來自大型區(qū)域索賠數(shù)據(jù)集的無(wú)并發(fā)癥UTI患者的隊(duì)列研究中，近14年前發(fā)布的國(guó)家治療指南繼續(xù)推薦最佳治療方法。這些結(jié)果還提供了原理證明，即格式化為觀察性醫(yī)學(xué)成果伙伴關(guān)系（OMOP）通用數(shù)據(jù)的自動(dòng)特征提取方法可以模擬手動(dòng)策劃的模型，從而提高可重復(fù)性和泛化性。

3. Walte指數(shù)對(duì)老年人住院后死亡率預(yù)測(cè)的外部驗(yàn)證

External Validation of the Walter Index for Posthospitalization Mortality Prediction in Older Adults

(1) 目的：評(píng)價(jià)Walter指數(shù)預(yù)測(cè)巴西老年住院患者住院后死亡風(fēng)險(xiǎn)的外部效度。

(2) 結(jié)論：在這項(xiàng)針對(duì)巴西住院老年人的預(yù)后研究中，Walter指數(shù)在預(yù)測(cè)出院后死亡率方面顯示出與2年前在美國(guó)類似的區(qū)分。這些發(fā)現(xiàn)強(qiáng)調(diào)了對(duì)已建立的預(yù)后工具進(jìn)行持續(xù)驗(yàn)證和潛在修改的必要性，以提高其在不同地區(qū)的適用性。

4. 乳腺癌相關(guān)淋巴水腫5因素風(fēng)險(xiǎn)模型的外部驗(yàn)證

External Validation of a 5-Factor Risk Model for Breast Cancer–Related Lymphedema

(1) 目的：通過將先前報(bào)道的5因素模型應(yīng)用于獨(dú)立的乳腺癌患者隊(duì)列來研究其外部效度。

(2) 結(jié)論：這些發(fā)現(xiàn)驗(yàn)證了5因素風(fēng)險(xiǎn)模型對(duì)2年無(wú)淋巴水腫生存期（LFS）預(yù)測(cè)的性能。該模型的未來臨床轉(zhuǎn)化有助于識(shí)別乳腺癌相關(guān)淋巴水腫風(fēng)險(xiǎn)最高的患者，以促進(jìn)更密切的監(jiān)測(cè)和/或預(yù)防性管理，以改善健康結(jié)果和生活質(zhì)量。

THE LANCET

1. 利用管理患者數(shù)據(jù)中的時(shí)間模式來預(yù)測(cè)急診入院風(fēng)險(xiǎn)

Harnessing temporal patterns in administrative patient data to predict risk of emergency hospital admission

(1) 背景：計(jì)劃外入院與更糟糕的患者預(yù)后有關(guān)，并給全球衛(wèi)生系統(tǒng)帶來壓力。初級(jí)保健電子健康記錄（EHR）已成功用于創(chuàng)建緊急住院預(yù)測(cè)模型，但這些方法需要廣泛的診斷、生理和實(shí)驗(yàn)室值。在這項(xiàng)研究中，我們旨在從EHR數(shù)據(jù)中捕獲患者活動(dòng)的時(shí)間模式，并評(píng)估與傳統(tǒng)方法相比，它們?cè)陬A(yù)測(cè)急診入院方面的有效性。

(2) 解釋：開發(fā)了一種新穎的機(jī)器學(xué)習(xí)管道，可以從EHR數(shù)據(jù)的簡(jiǎn)單表示中提取可解釋的時(shí)間模式，并可以納入急診入院預(yù)測(cè)器。這個(gè)框架可能使簡(jiǎn)潔的臨床預(yù)測(cè)模型能夠更快速地開發(fā)。

2. De Novo暴露組地理空間組裝慢性病區(qū)域與機(jī)器學(xué)習(xí)和網(wǎng)絡(luò)分析  

De Novo exposomic geospatial assembly of chronic disease regions with machine learning & network analysis

(1) 背景：確定疾病和暴露組之間的空間關(guān)系受到可用方法的限制。暴露組學(xué)和流行病學(xué)關(guān)系投影算法（aPEER）使用機(jī)器學(xué)習(xí)（ML）和網(wǎng)絡(luò)分析來查找美國(guó)疾病與暴露組學(xué)之間的空間關(guān)系。

(2) 解釋：aPEER確定了一個(gè)與慢性病相關(guān)的污染定義地理區(qū)域，突出了aPEER在流行病學(xué)和地理空間分析中的作用，以及暴露組學(xué)在理解慢性病地理學(xué)中的作用。

3. 開發(fā)和驗(yàn)證用于感染性胰腺壞死患者死亡率預(yù)測(cè)的可解釋機(jī)器學(xué)習(xí)模型

Development and validation of an explainable machine learning model for mortality prediction among patients with infected pancreatic necrosis

(1) 背景：感染性胰腺壞死（IPN）是急性胰腺炎的一種嚴(yán)重并發(fā)癥，通常與15%至35%的死亡率有關(guān)。然而，目前IPN的死亡率預(yù)測(cè)工具有限，缺乏足夠的敏感性和特異性。本研究旨在開發(fā)和驗(yàn)證一種可解釋的機(jī)器學(xué)習(xí)（ML）模型，用于預(yù)測(cè)IPN患者的死亡。

(2) 解釋：用于IPN患者死亡預(yù)測(cè)的可解釋ML模型是可行且有效的，表明其在指導(dǎo)臨床管理和改善患者預(yù)后方面具有卓越的潛力。為優(yōu)化模型生成的兩個(gè)可公開訪問的網(wǎng)絡(luò)工具促進(jìn)了其在臨床環(huán)境中的實(shí)用性。