基于机器学习的急诊分诊预测模型研究的范围综述OA
目的 探讨基于机器学习的急诊分诊预测模型研究的现状,为急诊分诊实践者和研究者提供新的视角,以促进高效、精准的急诊医疗服务.方法 采用范围综述的方法,系统检索国内外数据库中有关基于机器学习的急诊分诊预测模型研究的相关文献,检索时限为建库至 2024 年 12 月 31 日,对纳入文献进行分析.结果 共纳入 22 篇文献,基于机器学习的急诊分诊预测模型的常见类型包括logistic 回归、决策树、深度学习等,20 项研究的模型接受者操作特征曲线下面积为 0.69~0.962,1 项研究的模型一致性统计量值为 0.78~0.85.同时,基于机器学习的急诊分诊预测模型在临床应用中仍存在数据质量参差不齐、预测因子纳入不充分、模型可解释性欠佳等不足.结论 目前基于机器学习的急诊分诊预测模型有多种,在急诊分诊中展示了一定的应用潜力.但未来需要进一步加强急诊信息化建设和多学科合作,解决数据质量和伦理问题,以推动基于机器学习的预测模型在急诊患者分诊中的深入应用和发展.
章夏萍;孙亚君;来岚;王忠祥
浙江大学医学院附属第一医院,浙江 杭州 310003杭州市肿瘤医院,浙江 杭州 310002浙江大学医学院附属第一医院,浙江 杭州 310003浙江大学医学院附属第一医院,浙江 杭州 310003
医药卫生
急诊分诊机器学习预测模型范围综述
《护理与康复》 2026 (9)
38-44,7
评论