medRxiv · All· Goel, M., Matlock, S., Karasu Benyes, Y., Narayanan, N., Howard, J., Brazeal, T. G., Cogan, C., Navarro, E., Petrus, A. ·· 2 天前AI 评分38
基于电子健康记录的 XGBoost 机器学习模型识别高风险慢性病成人的心律失常：模型开发与验证研究
Electronic Health Record-Based Machine-Learning for Cardiac Arrhythmia Identification in Adults with High-Risk Chronic Disease: Model Development and Validation Study
AI 导读
研究团队基于电子健康记录开发并内部验证 XGBoost 模型，用于识别高风险慢性病成人中更可能出现心律失常诊断记录的患者。30,356 名患者中 6,835 名（22.5%）符合诊断，留出集 AUROC 为 0.894、敏感度为 0.564、特异度为 0.971；仍需外部验证和前瞻性评估。
来源：medRxiv · All · medrxiv.org