Explainable Machine Learning Model for Predicting Filter Lifespan in Patients on Continuous Renal Replacement Therapy
Cette étude a développé et validé un modèle de forêt aléatoire interprétable utilisant l'analyse SHAP pour prédire la défaillance précoce du filtre chez les patients sous thérapie de remplacement rénal continu, identifiant des déterminants cliniques clés tels que la modalité d'anticoagulation et l'accès vasculaire afin de guider des stratégies de gestion proactive.