फोरेंसिक बायोमैकेनिक्स जर्नल

अमूर्त

दर्दनाक महाधमनी चोट के बाद मरीजों के जीवित रहने की भविष्यवाणी करने के लिए मशीन लर्निंग विधियाँ

निसरीन शिबन, हेनरी झान, नीमा कोकाबी, जैमलिक-ओमारी जॉनसन, तारेक हना, जस्टिन श्रेजर, जूडी गिचोया, इमोन बनर्जी, हरि त्रिवेदी, जोशुआ गॉल, एंड्रयू एल्हब्र

राष्ट्रीय आघात डेटा बैंक (NTDB) आघात रोगियों में निदान, उपचार और परिणामों की जानकारी का एक संसाधन है। हम आघातजन्य महाधमनी चोट के बाद जीवित रहने की भविष्यवाणी करने के लिए NTDB और मशीन लर्निंग तकनीकों का लाभ उठाते हैं। हम NTDB का उपयोग करके दो पूर्वानुमान मॉडल बनाते हैं - 1) सभी डेटा का उपयोग करना और, 2) आगमन के बाद पहले घंटे में उपलब्ध डेटा का उपयोग करना (संभावित डेटा)। आयाम को कम करने के लिए फ़ीचर इंजीनियरिंग से पहले और बाद में सात भेदभावपूर्ण मॉडल प्रकारों का परीक्षण किया गया। शीर्ष प्रदर्शन करने वाला मॉडल XG बूस्ट था, जिसने सभी डेटा का उपयोग करके 0.893 और संभावित डेटा का उपयोग करके 0.855 की समग्र सटीकता प्राप्त की। फ़ीचर इंजीनियरिंग ने सभी मॉडलों के प्रदर्शन में सुधार किया। ग्लासगो कोमा स्केल स्कोर जीवित रहने के लिए सबसे महत्वपूर्ण कारक था, और वक्षीय अंतःसंवहनी महाधमनी की मरम्मत उन रोगियों में अधिक आम थी जो बच गए। धूम्रपान, निमोनिया और मूत्र पथ के संक्रमण ने खराब जीवित रहने की भविष्यवाणी की। हम अश्वेत और बिना बीमा वाले रोगियों के लिए परिणामों में चिंताजनक असमानताओं को भी देखते हैं जो देखभाल में अंतर को दर्शा सकते हैं।