會員登入
EN
學會介紹
學會組織
關於學會
理監事會與各委員會成員名單
各委員會職掌與功能
秘書處
學會章程
入會與證書
會員入會申請辦法
準會員入會申請辦法
中止會籍再入會
申請資料修改及列印
資深會員申請
內科專科醫師證書更新規則及辦法
醫師執業執照換照說明
內科專科醫師證書英文版申請辦法
內科專科醫師證書補發申請辦法
內專甄審
甄審原則
甄審簡章/說明
歷年考題
訓練醫院
各項條文
訓練醫院入口網
認定表件下載
學術活動
網際網路繼續教育 ─ C 類
上期網路C類測驗題目解析
積分申請作業
申請內科醫學會繼續教育積分
繼續教育活動時間表
內科會訊
已出刊會訊
內科學誌
出版資訊
投稿規則
目錄/各期文章
網路學誌測驗題目解析
年會專區
年會訊息
114年
113年
112年
年會學術演講影片
113年
112年
111年
110年
109年
108年
107年
106年
行政與健保
最新資訊
全民健保爭議案例審議說明
實證醫學範例
藝術走廊
藝術目錄
表格下載
活動照片
相關資訊網
台灣內科醫學會
會員登入
EN
學會介紹
學會組織
關於學會
理監事會與各委員會成員名單
各委員會職掌與功能
秘書處
學會章程
入會與證書
會員入會申請辦法
準會員入會申請辦法
中止會籍再入會
申請資料修改及列印
資深會員申請
內科專科醫師證書更新規則及辦法
醫師執業執照換照說明
內科專科醫師證書英文版申請辦法
內科專科醫師證書補發申請辦法
內專甄審
甄審原則
甄審簡章/說明
歷年考題
訓練醫院
各項條文
訓練醫院入口網
認定表件下載
學術活動
網際網路繼續教育 ─ C 類
上期網路C類測驗題目解析
積分申請作業
申請內科醫學會繼續教育積分
繼續教育活動時間表
內科會訊
已出刊會訊
內科學誌
出版資訊
投稿規則
目錄/各期文章
網路學誌測驗題目解析
年會專區
年會訊息
114年
113年
112年
年會學術演講影片
113年
112年
111年
110年
109年
108年
107年
106年
行政與健保
最新資訊
全民健保爭議案例審議說明
實證醫學範例
藝術走廊
藝術目錄
表格下載
活動照片
相關資訊網
目錄/各期文章
首頁
內科學誌
目錄/各期文章
Menu
出版資訊
投稿規則
目錄/各期文章
網路學誌測驗題目解析
內科學誌 -第33卷第2期
類 別
原著
標 題
機器學習模型應用於重症肝硬化病人之死亡預測
全文閱讀
頁 次
141~154
語 言
中文
關 鍵 詞
機器學習 (Machine learning)、肝硬化 (Cirrhosis)、死亡預測 (Predictors of death)、長期追蹤 (Long-Term Follow up)
作 者 群
蕭嘉瑩
1
、馬瑞菊
2
、鄭群翰
1
、曾莨茵
3
、李佳欣
2
、鄭婉如
2
、郭豐吉
1
、蘇珉一
1
現 職
台東馬偕紀念醫院內科部
1
、台東馬偕紀念醫院護理部
2
、台東馬偕紀念醫院醫學教育研究部
3
摘 要
風險預測管理在臨床研究和醫療照護中意義重大,尤其肝硬化病人與一般重症病人相比 預後較差,但目前尚無針對肝硬化病人長期死亡風險的預測指標,因此本研究試圖使用機器 學 習 方 法:Bagging、Adaboost、Support Vector Machine (SVM)、Random forest建 構 預 測 模 型。研究納入2013年7月1日至2018年12月31日就醫的528名個案並追蹤至2020年6月,並 與目前臨床肝硬化嚴重度量表:Child-Pugh Score (CTP)、MELD Score (Original)、MELDNa Score、MELD Score以及重症單位常用的The Acute Physiology and Chronic Health Evaluation (APACHE II)進行比較,結果顯示機器學習模型皆優於現有的臨床評估量表。預測1個月死 亡模型以Random forest表現最佳(準確率:0.836;AUC: 0.844);預測12個月內死亡模型以 SVM表現最佳(準確率:0.826;AUC: 0.869);預測12個月後死亡模型以Adaboost表現最佳 (準確率:0.759;AUC: 0.760),充分證實機器學習模型在預測肝硬化病人的長期死亡率方面 具有應用價值。
返回