Explainable time-series machine learning for early sepsis prediction and risk stratification: a multi-dataset computational study

Diese Studie präsentiert ein erklärbares, Multi-Datensatz-basiertes computergestütztes Framework, das phänotypisches Clustering mit Long Short-Term Memory (LSTM)-Modellen und dynamischer Merkmalsrelevanzanalyse integriert, um eine robuste Frühprognose sowie Risikostratifizierung für Sepsis zu erreichen und gleichzeitig klinisch interpretierbare Einblicke in die Krankheitsprogression zu liefern.