Interpretable Predictive Modeling for Early Sepsis in the Emergency Department: Development and Temporal External Validation
Deze studie ontwikkelde en valideerde temporeel een interpreteerbaar XGBoost-model met behulp van initiële spoedeisende hulp-gegevens dat een hoge voorspellende nauwkeurigheid (AUC 0,972) en een uitzonderlijke specificiteit (98,26%) bereikte voor vroege detectie van sepsis, terwijl SHAP-analyse werd gebruikt om transparante, actiegerichte inzichten te bieden voor klinische besluitvorming.