Am J Otolaryngol：机器学习模型预测特发性突发感音神经性听力损失治疗后的听力恢复情况
2021-01-21 AlexYang MedSci原创
特发性突发感音神经性听力损失（ISSHL）是一种急诊耳科疾病，其确定的预后因素仍不清楚。最近，有研究人员应用机器学习方法建立了一种新的ISSHL预后预测模型。
特发性突发感音神经性听力损失（ISSHL）是一种急诊耳科疾病，其确定的预后因素仍不清楚。最近，有研究人员应用机器学习方法建立了一种新的ISSHL预后预测模型。
该回顾性研究审查了2015年1月至2019年10月期间在某三级转诊中心因ISSHL接受鼓室内和全身类固醇联合治疗的244例患者的医疗数据，使用了35个变量来预测基于Siegel标准的听力恢复情况。除了基于传统的逻辑回归模型进行分析外，研究人员还使用五种机器学习方法开发了预测模型，并比较了各模型的预测能力。研究结果表明，恢复组和非恢复组之间的前耳病史、耳部饱满度、症状发生与治疗之间的延迟、症状发生与鼓室内类固醇注射（ITSI）之间的延迟、患耳和非患耳的初始听阈均有显著差异。虽然随机森林（RF）方法（准确率：72.22%，ROC-AUC：0.7445）具有最高的预测能力，但其他方法也具有相对较好的预测能力。在RF模型中，以下变量被认为对听力恢复预测很重要：症状发生与ITSI或初始治疗之间的延迟、患耳和非患耳的初始听力水平、身体质量指数和以前的听力损失史。
不同机器学习模型的表现比较
最后，研究人员指出，预测ISSHL治疗后听力恢复的机器学习模型相对于传统的逻辑回归方法显示出更优的预测能力，能够使患者获得更好的治疗结果。
原始出处：
Taewoong Uhm， Jae Eun Lee， Seongbaek Yi et al. Predicting hearing recovery following treatment of idiopathic sudden sensorineural hearing loss with machine learning models. Am J Otolaryngol. Jan 2021
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#特发性#
27
#神经性#
27
#机器学习模型#
32
#听力#
36
#机器#
36
梅斯里提供了很多疾病的模型计算公式，赞一个！
44