Les chercheurs ont utilisé une technique d'apprentissage automatique connu sous le nom d'analyse aléatoire des forêts et ont constaté qu'il a surperformé de manière significative les méthodes traditionnelles pour prédire les patients hospitalisés atteints de cirrhose sont à risque de décès, selon un nouvel article publié dans Gastro-entérologie.
Cela nous donne une boule de cristal – il aide les équipes hospitalières, les centres de transplantation, les services GI et les soins intensifs pour triage et hiérarchiser plus efficacement les patients. «
Dr Jasmohan S. Bajaj, auteur correspondant de l'étude
Résultats clés:
- Les données analysées à partir de 121 hôpitaux du monde, qui faisaient partie du consortium nettoyé.
- Le modèle s'est produit de manière cohérente dans les pays à revenu élevé et à faible revenu.
- Il a été validé à l'aide des données nationaux des anciens combattants et est resté précis.
- L'outil a maintenu de solides performances même lorsqu'elles sont limitées à seulement 15 variables clés.
- Les patients ont été regroupés avec précision en catégories à haut risque et à faible risque, ce qui rend le modèle évolutif et cliniquement pratique.
Explorez le modèle en action ici: https://silveys.shinyapps.io/app_cleared/.
Cet article est l'une des trois études récemment publiées sur ce sujet dans les revues de l'American Gastroenterological Association. L'un était une déclaration consensuelle mondiale sur les pannes d'organes, notamment le foie chez les patients atteints de cirrhose, tandis que la deuxième étude a identifié des marqueurs sanguins spécifiques et des complications qui influencent le risque de mort à l'hôpital, en se concentrant sur les biomarqueurs de l'insuffisance hépatique.
« La maladie du foie est l'une des causes les plus sous-estimées de décès dans le monde – l'alcool, l'hépatite virale et les diagnostics tardifs sont des moteurs majeurs », a déclaré Bajaj. « Quand quelqu'un est hospitalisé, c'est souvent parce que tout en amont – prévention, dépistage, soins primaires – a déjà échoué. »
