Machine Learning Models for Predicting Active Bleeding in Patients Presenting to the Emergency Department with Upper Gastrointestinal Bleeding: A Retrospective Cross-Sectional Study
Questo studio retrospettivo dimostra che i modelli di apprendimento automatico, in particolare Random Forest, addestrati su dati di ammissione di routine, possono raggiungere elevati valori predittivi negativi (≥95%) per il sanguinamento gastrointestinale superiore attivo confermato endoscopicamente, offrendo uno strumento potenziale per migliorare la specificità e ridurre le endoscopie non necessarie nei pazienti del pronto soccorso.