加纳血常规慢性肾病模型性能受重采样流程影响

Akwetey BY等团队在预印本中报告，加纳一项基于血常规的慢性肾病机器学习研究在仅对训练折重采样时，对39例未见患者的检测准确率为61.5%，AUC为0.604；若在划分训练集与测试集前应用SMOTE，随机森林准确率则为83.9%。 研究使用加纳Ho技术大学医院155例患者的记录，其中43例患慢性肾病，输入包括年龄、心血管疾病及8项血常规参数。研究团队称，两种流程的准确率相差22.4个百分点，表明重采样时机会显著影响结果。模型已部署为NephroScan GH网页应用，可解释每次预测。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。