仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
大家好，我是Ai学习的老章
继续看论文：MachineLearningforPredictingWaitlistSurvivalinPediatricPatientsAwaitingHeartTransplantation
https ://www.jhltonline.org/article/S1053-2498(24)01009-X/fulltext
背景：美国等待心脏移植的儿科患者中，等待名单死亡率超过20%。研究旨在识别预测这一人群死亡率的变量，机器学习（ML）因其强大的分类变量处理能力，提升了预测效果。
方法：使用2005-2020年器官获取和移植网络数据库，排除特定条件（如多器官移植或未知结果）的候选人，采用CatBoost梯度提升算法分析预测等待名单死亡率或临床恶化的关键变量。
结果：模型表现良好（一致性统计量0.7），生命支持、功能状态、年龄、主要诊断和注册时呼吸机使用是最具预测性的变量。低年龄、白蛋白和BMI与不良结果相关，提示营养不良是重要风险因素。
结论：模型成功预测等待名单死亡率或移除，功能状态和营养状态等可改变变量是关键。未来方向包括优化模型并开发实时风险计算工具，以降低个体患者的等待名单死亡率。
图表复刻如下：
完整代码：
