.png){kind=icon}
返回
Intradialytic hypotension detection using explainable machine learning techniques aided with multi-scale temporal features
.png){kind=icon}
PRE
AI
DOI：10.1007/s13721-025-00689-w.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
透析中低血压是肾脏透析的一种潜在并发症。医疗专业人员会尽一切可能避免此类并发症。本研究提出了一种基于机器学习的方法——利用多尺度时序特征的透析中低血压检测模型（IDH-MSTF），可在透析过程中持续使用以预测透析中低血压的发生。该方法利用了32个易于获取的特征，包括收缩压、舒张压、超滤量和血流速率。本研究的关键贡献之一在于，这些特征是在不同时间尺度上计算的并输入模型，而非使用典型的基线值。该方法使用从公开数据集中提取的平衡和非平衡数据进行了验证。结果显示，XGBoost算法优于其他算法，准确率达到93.4%，AUC达到98.1%。该方法针对多种透析中低血压的定义进行了测试，其性能优于所有近期文献。研究还深入探讨了所开发模型的AI可解释性，并提供了见解，以说明所提出的技术如何实现如此高的性能指标以及哪些关键特征对其结果至关重要。
Keyword:
Dialysis
CKD
IDH
Machine-learning
Hypotension
XGBoost
SHAP
Feature importance
Explainable AI
期刊
N
IF:
0
论文数:
178
被引数:
1
机构
引用论文
.png){kind=icon}
分享收藏Machine learning-based intradialytic hypotension prediction of patients undergoing hemodialysis: A multicenter retrospective study基于机器学习的血液透析患者透析中低血压预测: 一项多中心回顾性研究
OAAI
OAAI分享收藏Impact of frequent intradialytic hypotension on quality of life in patients undergoing hemodialysis
OAAI
OAAI分享收藏Predicting factors of intradialytic hypotension in the last half of hemodialysis therapy维持性血液透析后期低血压的预测因素OAAI
OAAI分享收藏分享收藏
查看更多内容