An interpretable machine learning model for predicting febrile seizures following enterovirus infection in children.
論文発表日: 2026-12-01
Annals of medicine
Medical Digest 収録日: 2026-07-11
この研究では、エンテロウイルス感染を有する小児における熱性けいれん(FS)のリスクを予測するために、XGBoostアルゴリズムを用いた解釈可能な機械学習モデルが開発されました。446名の入院した小児のコホートにおいて、モデルはトレーニングセットAUCが0.972、内部検証AUCが0.842を達成し、強力な予測性能を示しました。主要な予測因子には、発熱の持続時間とさまざまな検査パラメータが含まれていました。個別のリスク評価を促進するために、ウェブベースの計算機が作成され、この患者さん集団におけるFS管理のための臨床的意思決定を強化しました。
PubMedで読む