Interpretable Predictive Modeling for Early Sepsis in the Emergency Department: Development and Temporal External Validation
Este estudo desenvolveu e validou temporalmente um modelo XGBoost interpretável utilizando dados iniciais do departamento de emergência que alcançou alta precisão preditiva (AUC 0,972) e especificidade excepcional (98,26%) para a detecção precoce de sepse, enquanto utilizou a análise SHAP para fornecer insights transparentes e acionáveis para a tomada de decisão clínica.