Dialyseeffektivitet og transporterevalueringsberegningsværktøj i peritoneal dialyse (DETECT-PD)

Detect-PD (dialyseeffektivitets- og transporterevalueringsberegningsværktøjet i peritoneal dialyse) undersøgelse er en dobbeltblind, potentiel diagnostisk test (korrelation) undersøgelse designet til at evaluere gennemførligheden og effektiviteten af ​​kunstig intelligens (AI) ved at forudsige peritoneal transportstatus og dialyse Effektivitet hos patienter, der gennemgår peritoneal dialyse (PD). Undersøgelsen sigter mod at udvikle en beregningsmodel, der udnytter kliniske, biokemiske og peritoneale transportdata for at tilvejebringe et ikke-invasivt og effektivt vurderingsværktøj, hvilket i sidste ende forbedrer dialysehåndtering og patientresultater.

Patientens rekruttering og dataindsamling vil blive gennemført under rutinemæssig dialyse tilstrækkelighed og peritoneal transporterstatusvurderinger. Følgende kliniske og biokemiske parametre indsamles:

Demografi og medicinsk historie Peritoneal Dialyse Data Biokemiske data

AI -modellen vil blive udviklet ved hjælp af Python 3.11 og Pytorch 2.41 til dyb læring og forudsigelig analyse.

De vigtigste metodologiske trin inkluderer:

Dataforarbejdning: Håndtering af manglende værdier, funktionsskalering og en-hot-kodning for kategoriske variabler.

Funktionsvalg: Identificering af de mest forudsigelige kliniske og biokemiske markører.

Modeltræning: Brug af dybe læringsregressionsmodeller til at forudsige PET- og KT/V -resultater.

Præstationsevaluering: Evaluering af modelnøjagtighed ved hjælp af:

Gennemsnitlig absolut fejl (MAE) gennemsnitlig firkantet fejl (MSE) R² score (bestemmelseskoefficient) Bland-Altman plot og korrelationskoefficienter for aftale med målte værdier.