Nonlinear associations of albumin and systemic immune-inflammation index with unfavourable in- hospital outcomes in ICU patients with severe tuberculosis: an explainable prediction modelling study
Questo studio dimostra che un pannello compatto di sei variabili di ammissione, evidenziando in particolare le soglie non lineari clinicamente significative di albumina e dell'indice di immuno-infiammazione sistemica identificate attraverso l'apprendimento automatico spiegabile e le analisi spline, consente una stratificazione del rischio precoce ed efficace per esiti sfavorevoli nei pazienti in terapia intensiva con tubercolosi grave, con la regressione logistica che offre un'alternativa pragmatica e interpretabile ai complessi algoritmi.