Dialyseeffektivitet og transportørevaluering Beregningsverktøy i peritoneal dialyse (DETECT-PD)

DETECT-PD (dialyseeffektivitet og transportørvurdering Computational Tool in peritoneal dialyse) studie er en dobbeltblind, prospektiv diagnostisk test (korrelasjon) studie designet for å evaluere gjennomførbarheten og effektiviteten til kunstig intelligens (AI) i å forutsi peritoneal transportørstatus og dialysis Effektivitet hos pasienter som gjennomgår peritoneal dialyse (PD). Studien tar sikte på å utvikle en beregningsmodell som utnytter kliniske, biokjemiske og peritoneale transportdata for å gi et ikke-invasivt og effektivt vurderingsverktøy, og til slutt forbedre dialysestyring og pasientresultater.

Pasientrekruttering og datainnsamling vil bli utført under rutinemessig dialyse tilstrekkelighet og gjennomgang av transportørstatus. Følgende kliniske og biokjemiske parametere blir samlet inn:

Demografi og medisinsk historie peritoneal dialysedata biokjemiske data

AI -modellen vil bli utviklet ved hjelp av Python 3.11 og Pytorch 2.41 for dyp læring og prediktiv analyse.

De viktigste metodologiske trinnene inkluderer:

Dataforbehandling: Håndtering av manglende verdier, funksjonsskalering og en varm koding for kategoriske variabler.

Funksjonsvalg: Identifisere de mest prediktive kliniske og biokjemiske markørene.

Modellopplæring: Bruke dyp læringsregresjonsmodeller for å forutsi PET- og KT/V -utfall.

Resultatevaluering: Evaluering av modellnøyaktighet ved bruk av:

Gjennomsnittlig absolutt feil (MAE) gjennomsnittlig kvadratfeil (MSE) R²-score (bestemmelseskoeffisient) Bland-Altman-plott og korrelasjonskoeffisienter for avtale med målte verdier.