Diálise eficiência e avaliação de transportadores Tool computacional em diálise peritoneal (DETECT-PD)

O estudo da ferramenta computacional de detecção (eficiência de diálise e avaliação de transportadores na diálise peritoneal) é um estudo de teste de diagnóstico prospectivo e duplo-cego (correlação), projetado para avaliar a viabilidade e a eficácia da inteligência artificial (IA) na previsão de status de transportador peritoneal e diálise peritoneal Eficiência em pacientes submetidos à diálise peritoneal (DP). O estudo tem como objetivo desenvolver um modelo computacional que aproveite os dados de transporte clínico, bioquímico e peritoneal para fornecer uma ferramenta de avaliação não invasiva e eficiente, melhorando o gerenciamento da diálise e os resultados dos pacientes.

O recrutamento de pacientes e a coleta de dados serão realizados durante as avaliações de adequação de diálise rotineira e transportador peritoneal. Os seguintes parâmetros clínicos e bioquímicos serão coletados:

Dados demográficos e históricos médicos da diálise peritoneal de dados bioquímicos

O modelo de IA será desenvolvido usando o Python 3.11 e o Pytorch 2.41 para aprendizado profundo e análises preditivas.

As principais etapas metodológicas incluem:

Pré-processamento de dados: manuseando valores ausentes, escala de recursos e codificação única para variáveis ​​categóricas.

Seleção de recursos: identificando os marcadores clínicos e bioquímicos mais preditivos.

Treinamento do modelo: Usando modelos de regressão de aprendizado profundo para prever resultados PET e KT/V.

Avaliação de desempenho: Avaliando a precisão do modelo usando:

Erro absoluto médio (MAE) Erro ao quadrado (MSE) R² (coeficiente de determinação) Gráficos de Bland-Altman e coeficientes de correlação para concordância com valores medidos.