Badacze opracowali model uczenia maszynowego (XGBoost), który wykazał nieznacznie, ale statystycznie istotną poprawę w przewidywaniu ponownych hospitalizacji z powodu astmy w ciągu 180 dni u dzieci, w porównaniu do tradycyjnego modelu regresji. Model, wykorzystujący dane z 173 730 hospitalizacji dzieci w wieku 4-18 lat z 47 szpitali w USA, przeanalizował czynniki socjodemograficzne, ciężkość astmy, wyniki kliniczne i inne, oferując nadzieję na lepszą identyfikację pacjentów wysokiego ryzyka.
Źródło: Medscape
Kategoria: Sztuczna Inteligencja
Ważność: ⭐⭐⭐⭐⭐⭐ (6/10)