The Analysis of Sepsis Vascular Response Index Based on Machine Learning
Diese Studie zeigt, dass ein auf Gradient Boosting Trees basierendes maschinelles Lernmodell, welches hämodynamische Parameter wie MAP, SVV, VIS und ELWI zur Berechnung eines vaskulären Response-Index (VRI) nutzt, die 28-Tage-Mortalität und Prognose bei Patienten mit septischem Schock effektiv vorhersagt, wobei insbesondere ein kritischer Schwellenwert von VRI < 28,2 identifiziert wurde, der mit einer signifikant höheren Mortalität assoziiert ist.