Nghiên cứu tổng quan về dự báo đợt cấp bệnh phổi tắc nghẽn mạn tính

Chỉ số đề mục

76

Lĩnh vực nghiên cứu

Hệ hô hấp và các bệnh liên quan

Dạng tài liệu

BB

Tác giả

Bùi Mỹ Hạnh⁽¹⁾, Vương Thị Ngân, Hoàng Thị Hồng Xuyến

Nhan đề

Nghiên cứu tổng quan về dự báo đợt cấp bệnh phổi tắc nghẽn mạn tính

Nhan đề tiếng anh

Prediction models for chronic obstructive pulmonary disease exacerbation: A literature review

Nguồn trích

Tạp chí Nghiên cứu y học (Đại học Y Hà Nội)

Năm xuất bản

2024

Số

12

Trang

463-472

ISSN

2354-080X

Từ khóa

Bệnh phổi tắc nghẽn mạn tính, Đợt cấp, Mô hình dự báo, Máy học

Từ khóa tiếng anh

Chronic obstructive pulmonary disease, Exacerbation, Prediction model, Machine learning

Tóm tắt

Ứng dụng máy học dự báo đợt cấp bệnh phổi tắc nghẽn mạn tính (Chronic Obstructive Pulmonary Disease - COPD) là một xu thế tất yếu, có khả năng cách mạng hóa việc khám, điều trị, quản lý bệnh bằng cách cho phép phát hiện sớm, can thiệp cá nhân hóa, tối ưu hóa nguồn lực và trao quyền cho người bệnh. Nghiên cứu nhằm mục tiêu tổng quan các mô hình sẵn có về dự báo đợt cấp COPD từ cơ sở dữ liệu Pubmed theo hướng dẫn PRISMA. Kết quả đã xác định được 9/928 bài báo đáp ứng đầy đủ các tiêu chí lựa chọn, bao gồm: 7 quan sát hồi cứu đa trung tâm, 1 quan sát tiến cứu đơn trung tâm và 1 thử nghiệm lâm sàng đơn trung tâm. 117 yếu tố nguy cơ được đưa vào các mô hình dự báo, trong đó tuổi và giới xuất hiện phổ biến nhất (9/9 lần). Các mô hình có diện tích dưới đường cong (AUC) dao động từ 0,681 đến trên 0,9 với 3 mô hình có hiệu suất cao nhất lần lượt là Random Forest (> 0,9), Support Vector Machine (0,9) và Extreme Gradient Boosting (0,86) cần được ứng dụng, tiếp tục xây dựng và phát triển trên bộ dữ liệu của người Việt Nam.

Tóm tắt tiếng anh

Machine learning techniques for predicting chronic obstructive pulmonary disease (COPD) exacerbation is the revolution in COPD management by allowing early detection, personalized intervention, resource optimization, and patient empowerment. The results identified 9/928 articles that fully met the selection criteria, including: 7 multicenters retrospective observations, 1 singlecenter prospective observation, and 1 single-center clinical trial. 117 risk factors were included in the prediction models, of which age and gender appeared most commonly (9/9 times). The models had the area under the curve ranging from 0.681 to over 0.9. The 3 highest performance models were Random Forest (> 0.9), Support Vector Machine (0.9), and Extreme Gradient Boosting (0.86), respectively, which need to be applied, further built, and developed on the Vietnamese dataset.

Kí hiệu kho

TTKHCNQG, CVv 251

File toàn văn

Xem toàn văn