Development and External Validation of a Machine Learning Model for the Early Prediction of Doses of Harmful Intracranial Pressure in Patients with Severe Traumatic Brain Injury
Notice bibliographique
Résumé
Treatment and prevention of elevated intracranial pressure (ICP) is crucial in patients with severe traumatic brain injury (TBI). Elevated ICP is associated with secondary brain injury, and both intensity and duration of an episode of intracranial hypertension, often referred to as "ICP dose," are associated with worse outcomes. Prediction of such harmful episodes of ICP dose could allow for a more proactive and preventive management of TBI, with potential implications on patients' outcomes. The goal of this study was to develop and validate a machine-learning (ML) model to predict potentially harmful ICP doses in patients with severe TBI. The prediction target was defined based on previous studies and included a broad range of doses of elevated ICP that have been associated with poor long-term neurological outcomes. The ML models were used, with minute-by-minute ICP and mean arterial blood pressure signals as inputs. Harmful ICP episodes were predicted with a 30 min forewarning. Models were developed in a multi-center dataset of 290 adult patients with severe TBI and externally validated on 264 patients from the Collaborative European NeuroTrauma Effectiveness Research in Traumatic Brain Injury (CENTER-TBI) dataset. The external validation of the prediction model on the CENTER-TBI dataset demonstrated good discrimination and calibration (area under the curve: 0.94, accuracy: 0.89, precision: 0.87, sensitivity: 0.78, specificity: 0.94, calibration-in-the-large: 0.03, calibration slope: 0.93). The proposed prediction model provides accurate and timely predictions of harmful doses of ICP on the development and external validation dataset. A future interventional study is needed to assess whether early intervention on the basis of ICP dose predictions will result in improved outcomes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».