您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览55 | 下载1

目的:建立基于机器学习算法的急诊创伤患者用血预测模型,以指导采供血机构做好突发公共事件下群体伤员早期血液需求准备。方法:采用回顾性分析,以2018年1月至2020年12月浙江省12家医院急诊系统数据库中创伤类型患者为研究对象,排除血液病、肿瘤等慢性病史及外院诊治后转入病例。依据是否输血治疗分为输血组和未输血组,比较两组患者在人口学及临床特点等方面的差异,采用计算机学习算法(XGBoost)构建急诊创伤患者用血预测模型和用血量预测模型。结果:本研究最终纳入2 025例患者资料,其中输血组1 146例,未输血组879例。急诊创伤患者用血需求主要发生在入院3 d内(60

作者:潘凌凌;胡哲畅;李强;韩文娟;胡伟

来源:中华急诊医学杂志 2023 年 32卷 5期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:55 | 下载:1
作者:
潘凌凌;胡哲畅;李强;韩文娟;胡伟
来源:
中华急诊医学杂志 2023 年 32卷 5期
标签:
公共事件 用血预测模型 机器学习算法 急诊创伤 血液保障 Public events Blood prediction model Machine learning algorithm Emergency trauma Blood security
目的:建立基于机器学习算法的急诊创伤患者用血预测模型,以指导采供血机构做好突发公共事件下群体伤员早期血液需求准备。方法:采用回顾性分析,以2018年1月至2020年12月浙江省12家医院急诊系统数据库中创伤类型患者为研究对象,排除血液病、肿瘤等慢性病史及外院诊治后转入病例。依据是否输血治疗分为输血组和未输血组,比较两组患者在人口学及临床特点等方面的差异,采用计算机学习算法(XGBoost)构建急诊创伤患者用血预测模型和用血量预测模型。结果:本研究最终纳入2 025例患者资料,其中输血组1 146例,未输血组879例。急诊创伤患者用血需求主要发生在入院3 d内(60