. AIC는 통계 모델의 전반적인 품질을 확인하는 데 사용되는 메트릭입니다. 그런 다음 생성된 모델은 원래 41개의 변수에서 최종 6개의 변수 집합으로 끝나기 위해 테스트를 위한 몇 가지 검증 및 검증 단계(임상 관련성, 변수 간 상호 상관성 및 공선성)를 거쳤습니다. 연령, SAPS II, 중심정맥관의 필요성, 중환자실 입원 중 SIRS 점수, SOFA 점수, 야간 퇴원을 선택하였다.이러한 변수는 MIR(Minimizing ICU Readmission) 점수를 개발하는 데 사용될 다변량 로지스틱 회귀를 사용하여 최종 예측 모델을 만드는 데 사용되었습니다. MIR 점수는 환자가 ICU에서 퇴원해야 하는지 여부를 결정하기 위한 정량적 측정이 될 것입니다. MIR의 예측 결과는 SAPS II 및 SWIFT(Stability and Workload Index for Transfer)에서 얻은 결과와 비교됩니다. [ 38], 일반적으로 사용 가능한 작은 변수 세트를 사용하는 또 다른 SoDCS. MIR을 통해 Ouanes et al. 95% 신뢰 구간에서 0.74의 AUC와 HLgof 테스트로 결정된 좋은 보정으로 좋은 결과를 얻을 수 있었습니다. AUC에 대해 SAPS II가 받은 결과는 0.64였고 SWIFT는 AUC 점수가 0.61이면 MIR이 훨씬 더 잘 수행되었음을 보여줍니다.
구글 상위노출스포츠 중계 사이트 추천성인용품캠프캠프신규 슬롯 사이트 추천무료스포츠 채널강남야구장성인용품백링크 작업 10
