科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的对采用机器学习的中央导管相关血流感染预测模型进行系统评价。方法系统检索Cochrane Library、PubMed、Embase、万方数据库、维普网和中国知网数据库中机器学习用于中央导管相关血流感染预测模型的研究, 检索时限为建库至2022年3月18日。由2名研究者独立筛选文献、提取资料。资料提取依据CHARMS数据提取清单进行, 并采用针对预测模型研究的偏倚风险评估工具评价纳入研究的偏倚风险。结果最终共纳入9篇相关研究。总体研究结果显示, 使用机器学习算法建模相对于传统的Logistic回归具有较高的预测准确度;在建模过程中存在一定偏倚风险, 但文章总体适用性评价表现较好。结论现有证据表明, 机器学习可以更准确地预测中央导管相关血流感染的发生, 但在开发过程中存在一定的偏倚。未来应侧重于模型的外部验证和模型更新, 不断改进模型预测性能。
- 单位
