Прогностическая модель летальности на основе логистической регрессии лабораторных показателей
https://doi.org/10.34215/1609-1175-2025-2-45-49
Аннотация
Цель: разработка и валидация математической модели для прогнозирования риска летальных исходов на основе лабораторных показателей крови и мочи пациентов. Материалы и методы. В исследовании проанализированы клинические данные пациентов, включая результаты лабораторных исследований крови и мочи. Для создания модели использовались методы математического моделирования и статистического анализа. Результаты. Разработана прогностическая модель, демонстрирующая высокую точность в определении риска неблагоприятного исхода. Модель основана на доступных лабораторных показателях и может быть легко интегрирована в клиническую практику. Заключение. Предложенная математическая модель представляет собой эффективный инструмент для ранней диагностики риска летальных исходов. Практическая значимость исследования определяется возможностью использования разработанной модели в различных областях клинической медицины для оптимизации лечебно-диагностического процесса.
Ключевые слова
При поддержке: Автор заявляет о финансировании проведенного исследования из собственных средств.
Об авторе
А. Н. Мозоль
Хасанская центральная районная больница
Россия
Россия
Мозоль Андрей Николаевич – заместитель главного врача по медицинской части
692701, Приморский край, Хасанский МО, п.г.т. Славянка, ул. Молодежная, 3
Список литературы
1. Bahadori M, Soltani M, Soleimani M, Bahadori M Statistical modeling in healthcare: shaping the future of medical research and healthcare delivery. ResearchGate. 2023;9(25):431–446. doi: 10.4018/979-8-3693-0876-9.ch025
2. Toma M, Ong C Predictive modeling in medicine. MDPI. 2023;3(2):590–601. doi: 10.3390/encyclopedia3020042
3. Заворотний О.О., Зиновьев Е.В., Костяков Д.В. Возможности прогнозирования летального исхода тяжелообожженных на основе методов регрессионного анализа. Вестник хирургии имени И.И. Грекова. 2020;179(5):21–29.
4. Hooft L, Schuit E, Debray TPA Prediction models for cardiovascular disease risk in the general population: systematic review damen. Center for health sciences and primary care, university medical center. 2016;353:i2416. doi: 10.1136/bmj.i2416
5. Chao HY, Wu CC, Singh A, Shedd A, Wolfshohl J, Chou EH, Huang YC, Chen KF Using machine learning to develop and validate an in-hospital mortality prediction model for patients with suspected sepsis. Biomedicines. 2022;10(4):802. doi: 10.3390/biomedicines10040802
6. Wendland Ph, Schmitt V, Zimmermann J Machine learning models for predicting severe COVID-19 outcomes in hospitals. Informatics in medicine unlocked. 2023;37:101188. doi: 10.1016/j.imu.2023.101188
7. Насар А.Н., Мадай Д.Ю. Объективная оценка тяжести сочетанной черепно-лицевой травмы (обзор). Кубанский научный медицинский вестник. 2020;27(5):144–162.
Рецензия
Для цитирования:
Мозоль А.Н. Прогностическая модель летальности на основе логистической регрессии лабораторных показателей. Тихоокеанский медицинский журнал. 2025;(2):45-49. https://doi.org/10.34215/1609-1175-2025-2-45-49
For citation:
Mozol A.N. Predictive model of mortality based on logistic regression of laboratory indicators. Pacific Medical Journal. 2025;(2):45-49. (In Russ.) https://doi.org/10.34215/1609-1175-2025-2-45-49
Просмотров:
7
Послать статью по эл. почте 