热点事件观察中

电子病历模型识别高风险成人心律失常

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

Goel等研究团队基于一家医疗机构2018—2025年的电子健康记录，开发并内部验证XGBoost模型，用于识别患有2型糖尿病、慢阻肺、慢性肾病或冠心病的成人中更可能已有心律失常诊断记录的患者。30,356人中6,835人符合诊断，留出集AUROC为0.894，敏感度为0.564、特异度为0.971。该研究属于回顾性内部验证，研究团队称仍需外部验证和前瞻性评估，以确定模型在其他医疗环境中的泛化能力和临床效用。

AI 根据报道生成 · 13 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月2日

00:00
medRxiv · All
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
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。

本事件热度走势

可比范围当前: 3
可比范围峰值: 411月3日 11:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。