Resumen

A medida que aumentan la escala y la profundidad de los modelos de redes de inteligencia artificial, su precisión en tareas de reconocimiento de albúmina ha aumentado rápidamente. Sin embargo, los pequeños conjuntos de datos médicos actuales son la principal razón del escaso reconocimiento de las técnicas de inteligencia artificial en este ámbito. El tamaño de la muestra en este artículo se basa en el análisis de datos y la investigación sobre la detección de albúmina en orina de la diabetes en la base de datos de la IE. Se supone que el grupo de observación tiene una diferencia de al menos 20 mg de TEAU con respecto al grupo de control, y la desviación estándar del cambio de TEAU desde el inicio hasta las 12 semanas es de 30 mg. Por lo tanto, el tamaño de la muestra de los dos grupos es de 77 casos. Suponiendo que la tasa de pérdidas durante el periodo de seguimiento sea del 20%, se necesitan al menos 92 pacientes. La inscripción final en este estudio es de 100 pacientes. Los estudios han demostrado que la RD se utiliza como indicador para diagnosticar la NDRD, y su valor OR es tan alto como 28,198, lo que indica que la no RD puede utilizarse como indicador para distinguir la DN de la NDRD. El metaanálisis halló que la RD tiene una sensibilidad de 0,65 y una especificidad de 0,75 para distinguir la DN de la NDRD en pacientes con diabetes tipo 2, y se subraya que la PDR es altamente específica en el diagnóstico de la DN. Mediante un metaanálisis para analizar sistemáticamente 45 estudios, se descubrió que la sensibilidad de la RD para diagnosticar la DN era de 0,67, la especificidad era de 0,78 y la especificidad de la PDR para predecir la DN era de 0,99, lo que indica que la RD es un buen indicador para predecir la DN, y las últimas investigaciones del equipo también han verificado este punto de vista. Han establecido un nuevo modelo para diagnosticar la DN. Además de incluir la proteinuria tradicional, la hemoglobina glucosilada, la FR, la presión arterial y otros indicadores en el modelo de diagnóstico, también incluirá la presencia o ausencia de RD. La tasa final de precisión de verificación externa de este modelo es de 0,875.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:DN, DR, NDRD, pacientes, especificidad, tamaño de la muestra, modelos de redes de inteligencia artificial, tasa de precisión de la verificación externa final, tareas de reconocimiento de albúmina, técnicas de inteligencia artificial.
• Keywords:DN, DR, NDRD, patients, specificity, sample size, artificial intelligence network models, final external verification accuracy rate, albumin recognition tasks, artificial intelligence techniques