Accessible healing phase classification of diabetic foot ulcer
Notice bibliographique
Résumé
OBJECTIVE: Diabetic foot ulcers (DFU) are complex wounds that, without proper treatment, can lead to leg amputation. Treatment of a DFU is multifaceted and requires a high level of clinical expertise. This study aims to inform medical triage and improve healing rates by developing accessible and automated assessment and classification of wound healing phases and analyzing and identifying essential clinical and wound features for the classification. APPROACH: Machine learning models were evaluated using the Zivot DFU dataset to classify patients' wound healing phases from inflammation, proliferation, and remodeling classes. The models were trained on clinical features from 268 unique patients and 890 data points, including 80 features describing patient demographics, comorbidities, and wound characteristics. The area under the receiver operating characteristic curve, accuracy, and F1 values were used to assess the models' performances, and Shapley Additive Explanations were used to analyze the importance of features. RESULTS: 56 of the 80 features provided an accuracy of 65 %, while 22 essential features were enough to achieve a lower but statistically similar accuracy with an ordinal three-class classification using random forest classifiers. INNOVATION: This study provides a novel approach to classifying the wound-healing phase of a DFU based on key features available from wound- and patient-level metadata. CONCLUSION: The accessible and automated machine learning approach's ease of use and reliability will promote early and continuous autonomous medical triaging, ultimately improving patient outcomes. Additionally, the identified essential clinical features correlating with healing phases provide insight into DFU data management.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».