Machine-Learning basiertes Score-Modell zur Differenzierung zwischen spontan bakterieller Peritonitis und sekundärer Peritonitis bei Patienten mit hydropisch dekompensierter Leberzirrhose
Übersetzter Titel:
Machine learning based score model to differentiate between spontaneous bacterial peritonitis and secondary peritonitis in patients with hydropic decompensated liver cirrhosis
Es werden die wichtigsten Prädiktoren zur Differenzierung zwischen der spontan bakteriellen von der sekundären Peritonitis bei Patienten mit Leberzirrhose und infiziertem Aszites ermittelt. Mittels Random-Forest und LASSO-Regressionsmodell werden die mikrobiologischen Kriterien, die Erkrankungsschwere und klinisch-pathologische Parameter im Aszites als bedeutsamste Unterscheidungsmerkmale identifiziert und im Anschluss daraus ein 10 Punkte Score-Modell zur Differenzierung entwickelt.
Übersetzte Kurzfassung:
The most important predictors for differentiating spontaneous bacterial peritonitis from secondary peritonitis in patients with liver cirrhosis and infected ascites are determined. Using a random forest and LASSO regression model, the microbiological criteria, the severity of the illness and clinicopathological parameters in the ascites are identified as the most important distinguishing features and a 10-point score model is then developed for differentiation.
Login
BibTeX