以類神經網路模式輔助外科重症病人預測死亡機率

Hui-Ju Chen, Hung-Wen Chiu, Wen-Jinn Liaw

研究成果: 雜誌貢獻文章同行評審

摘要

背景:本文以類神經網路(Artificial Neural Network, ANN)資料探勘(Datamining)演算法分析2012年1-5月某醫學中心外科加護病房轉入病人(n=588)之基本人口學資料、入住加護病房日數、轉入加護病房原因及住院24小時、48小時及轉出(或出院當日)之疾病嚴重度等7個變項建構預測模式,以探討影響死亡預測因子之相關數值。方法:資料來源為2012年1-5月轉入外科加護病房之病人共588人,其中死亡人數共54人,死亡率為9.1%。以STATISTICA軟體隨機選取441位病人作為訓練組,佔全體病人的75%;147位病人作為測試組,佔全體病人的25%。利用多層次類神經網路(MLP)方式建立最佳化的預測模型為MLP 59-19-2,輸出變數:病人出院時死亡、病危自動出院為1,存活為2。結果:疾病嚴重度分數高確實有較高之死亡機會,死亡預測準確率(Accuracy)達96.9%,訓練組ROC曲線下面積為0.975,靈敏度(Sensitivity)為78.8%,特異性(Specificity)為98.7%。結論:本研究結果證實疾病嚴重度確實與較高之死亡相關,其準確率、靈敏度與特異性皆非常高。此外,本研究結果顯示,非顱內出血相關疾病之病人,較少發生非預期之死亡;而顱內出血之病人,則醫師較能提前預知疾病預後不佳,並進而對家屬推薦重症安寧照顧理念。
貢獻的翻譯標題Predicting Mortality in Surgical Intensive Care Unit Patients Using an Artificial Neural Network
原文???core.languages.zh_TW???
頁(從 - 到)1-7
頁數7
期刊重症醫學雜誌
14
發行號1
出版狀態已發佈 - 2013

Keywords

  • 加護病房
  • 預測
  • 死亡
  • 類神經網路
  • 資料探勘
  • Intensive care unit
  • Prediction
  • Mortality
  • Artificial neural network
  • Datamining

指紋 深入研究「以類神經網路模式輔助外科重症病人預測死亡機率」主題。共同形成了獨特的指紋。

引用此