Förbättra 30-dagars förutsägelse av dödlighet med maskininlärning [Engelska]

Bakgrund Maskininlärning (ML) är ett framväxande verktyg för att förutsäga på diskussioner i livets slutskede och palliativ vård, genom att använda dödlighet som en proxy. Men dödsfall, oförutsedda av akutläkare vid tidpunkten för patients besök till akutmottagningen (AKM), kan ha ett svagare samband med akutbesöket.Mål Att utveckla en ML-algoritm som förutsäger icke-överraskande dödsfall inom 30 dagar efter AKM-utskrivningen.Metoder I den här retrospektiva registerstudien inkluderade vi alla patienter som sökte AKM inom Region Halland 2015 och 2016. Alla registrerade dödsfall inom 30 dagar efter AKM-utskrivningen klassificerades som antingen "överraskande" eller "icke-överraskande" av en bedömningskommitté med tre seniora specialister inom akutsjukvård.Resultat Av alla dödsfall under 30 dagar (n = 148) var 76 % (n = 113) icke-förvånande för den dömande kommittén. De vanligaste sjukdomarna var cancer i avancerat stadium, multisjukdom och demens.Slutsats Hos patienter som skrevs ut till hemmet från AKM, var 3/4 av alla 30-dagars dödsfall icke-förvånande för kommittén. När endast icke-överraskande dödsfall inkluderades förbättrades ML-dödlighetsprognosen avsevärt.