Wansu Chen, doctor în științe, de la Kaiser Permanente Southern California din Pasadena, împreună cu colegii săi, au dezvoltat și validat modele de învățare automată pentru a prezice riscul individualizat de astm moderat până la sever și rinită alergică la copiii cu vârsta cuprinsă între 5 și 11 ani care au fost diagnosticați cu dermatită atopică înainte de vârsta de 3 ani. Analiza a inclus date din fișele electronice de sănătate a 10.688 de copii.
Cercetătorii au constatat că modelele de astm au arătat o discriminare puternică (area sub curba [AUC], 0,893 model comprehensiv; 0,892 model simplificat). La pragul de specificitate de 95%, modelul comprehensiv a obținut o sensibilitate de 40,4% și o valoare predictivă pozitivă (PPV) de 39,3%, în timp ce modelul simplificat a arătat o sensibilitate de 36,2% și o PPV de 33,8%. Modelele de rinită au arătat o performanță moderată (AUC, 0,793 și 0,773, respectiv); cu o specificitate de 90%, modelul comprehensiv a obținut o sensibilitate de 35,5% și o PPV de 72,7%, în timp ce modelul simplificat a demonstrat o sensibilitate de 34,0% și o PPV de 69,2%. S-a observat o calibrare acceptabilă, cu o concordanță puternică în rândul grupurilor cu cel mai mare risc.
„Uneltele de predicție integrate în fluxurile clinice pot ajuta furnizorii să identifice copiii cu un risc crescut și să îi priorizeze pentru intervenții cum ar fi controlul mediului, evaluarea alergologului sau inițierea timpurie a terapiei preventive,” au scris autorii.
Wansu Chen et al, Machine Learning Prediction of Asthma and Allergic Rhinitis in Children with Early-Onset Atopic Dermatitis, Journal of Allergy and Clinical Immunology (2026). DOI: 10.1016/j.jaci.2026.03.025
© 2026 HealthDay. Toate drepturile rezervate.
Sursa articol https://medicalxpress.com
Editor RevistaSanatatii.ro. Isi doreste ca activitatea lui sa aduca speranta milioanelor de oameni bolnavi din Romania, sa le aline suferintele si sa le ofere speranta.
