发布时间: 2025-01-15 13:30:13
JAMA 2025/01/06-2025/01/12
1. 开发和验证预测轻度认知障碍和阿尔茨海默症痴呆发作的工具 1.8 JAMA Network Open
2. 用于预测阿片类药物使用障碍遗传风险算法中的候选基因的效用 1.9 JAMA Network Open
3. 使用人工智能通过眼底照片的眼镜校正来估计视力 1.10 Original Investigation
THE LANCET 2025/01/06-2025/01/12
1. 开发和验证急诊科无实验室结果的脓毒症筛查工具:一项机器学习研究 1.10 eClinicalMedicine
JAMA
1. 开发和验证预测轻度认知障碍和阿尔茨海默症痴呆发作的工具
Development and Validation of a Tool to Predict Onset of Mild Cognitive Impairment and Alzheimer Dementia
(1) 目的:评估是否可以使用统计建模方法预测轻度认知障碍(MCI)和阿尔茨海默症(AD)的发病年龄。
(2) 结论:在这项预后研究中,开发和验证了弗洛里痴呆指数(FDI)以预测MCI和AD的发病年龄。该工具可能有助于为认知能力下降或痴呆的老年人组织医疗保健,将来可能有助于优先考虑患者使用改善疾病的单克隆抗体药物。
2. 用于预测阿片类药物使用障碍遗传风险算法中的候选基因的效用
Utility of Candidate Genes From an Algorithm Designed to Predict Genetic Risk for Opioid Use Disorder
(1) 目的:评估用于预测阿片类药物使用障碍(OUD)风险算法的15个遗传变异的效用。
(2) 结论:本研究的结果表明,批准算法中包含的候选遗传变异在识别OUD风险方面不符合合理的疗效标准。鉴于该算法的预测准确性有限,它在临床护理中的使用将导致假阳性和假阴性结果的高发生率。需要更多临床有用的模型来识别有患OUD风险的个体。
3. 使用人工智能通过眼底照片的眼镜校正来估计视力
Estimating Visual Acuity With Spectacle Correction From Fundus Photos Using Artificial Intelligence
(1) 目的:使用先前验证的人工智能(AI)算法,评估糖尿病性黄斑水肿(DME)患者在临床实践环境中标准视力表上测量的眼镜矫正视力,评估DME眼底照片的最佳矫正视力。
(2) 结论:在这项横断面研究中,人工智能评估了患有DME且视力为20/80或更好的患者眼底照片,估计眼镜矫正视力与实际眼镜矫正视力大约相差1至1.5行内。这些结果支持使用AI评估眼底照片来确定全球眼科诊所以外的DME患者的眼镜矫正视力。
THE LANCET
1. 开发和验证急诊科无实验室结果的脓毒症筛查工具:一项机器学习研究
Development and validation of a screening tool for sepsis without laboratory results in the emergency department: a machine learning study
(1) 背景:脓毒症是全球范围内的重大健康负担。及时识别和治疗脓毒症可以大大改善患者的预后,包括生存率。然而,筛查脓毒症通常需要耗时的实验室结果。我们旨在使用机器学习(ML)根据患者在急诊科(ED)的非实验室临床数据开发一种快速脓毒症筛查工具(qSepsis),并将其性能与已建立的临床评分进行比较。
(2) 解释:这项回顾性研究表明,与现有评估评分相比,qSepsis在接收器工作特性曲线下的面积(AUROC)和精确率-召回率曲线下面积(AUPRC)方面具有更好的预测性能。它有可能用于实验室检测机会有限的院前环境,以及用于快速筛查脓毒症患者的急诊科。然而,由于其阳性预测值(PPV)较低,在实际临床实践中误报可能会增加。
下一篇:长期护理环境中功能下降的轨迹和预测因子:加拿大疗养院居民的回顾性队列分析