iLABMED｜建立新生儿细菌性脑膜炎近期不利预后的机器学习预测模型

本研究旨在建立机器学习模型以预测新生儿细菌性脑膜炎的近期不良预后。研究背景基于该疾病对新生儿健康的严重威胁，需要有效的预后评估工具。研究纳入了433例足月患儿，通过比较不良预后组与良好预后组在临床表现和实验室指标上的差异，并应用mRMR算法和多种机器学习模型进行分析。结果表明，逻辑回归模型在预测近期不良预后方面表现最佳（AUC 0.908），其重要性排名前10的特征包括肌张力异常、惊厥、脑脊液蛋白升高等。结论是逻辑回归模型能有效预测新生儿细菌性脑膜炎的近期不良预后，为临床诊疗提供了重要参考。