Explainable machine learning for clinical phenotyping and mortality prediction in critically ill patients with cancer
Questo studio retrospettivo multicentrico ha utilizzato i database MIMIC-IV ed eICU per identificare quattro distinti fenotipi clinici e sviluppare un modello XGBoost spiegabile che predice efficacemente la mortalità ospedaliera precoce nei pazienti oncologici in condizioni critiche utilizzando i dati clinici routinariamente disponibili delle prime 24 ore.