Utilizing Predictive Analytics to Understand Neurogenic Bladder Symptom Score (NBSS) Variations in Adults With Acquired Spinal Cord Injury
Notice bibliographique
Résumé
INTRODUCTION: Individuals with spinal cord injury (SCI) have varying bladder health trajectories after their injury. We explored whether a predictive machine learning model could identify which variables impact urinary symptoms. METHODS: We used 238 variables from the Neurogenic Bladder Research Group SCI registry for a Decision Tree analysis (eCHAID technique). The primary outcomes were the baseline Neurogenic Bladder Symptom Score (NBSS), and the change from the baseline NBSS at 1-year follow up (measured as better/worse than the median change). RESULTS: Among the 1479 participants, mean baseline NBSS was 24.16 ± 0.28 (standard error of the mean). Our decision tree that evaluated the NBSS at baseline predicted that individuals with a suprapubic tube/urostomy as their primary bladder management method and good bowel QOL at baseline had the lowest (best) mean baseline NBSS at 13.44 ± 0.83. In contrast, females with baseline spontaneous voiding had the highest (worst) mean baseline NBSS at 34.42 ± 1.05. Our second decision tree evaluated the change in the NBSS at 1-year follow-up. Of the 711 participants that performed better than the median change (i.e., improved), 45% were accounted for jointly by women who did not use bladder relaxing medications at baseline, and men without a history of prior urinary tract infections who used a single bladder management method at follow-up. The predictive capacity the decision tree was 57%. CONCLUSIONS: Decision tree models help identify combinations of patient characteristics which correlate with urinary symptoms after SCI. However, there was a limited predictive capacity of the decision tree to forecast future bladder symptoms.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».