The aim of the study: to develop a method for predicting the development of alcohol delirium in patients with initial manifestations of alcohol withdrawal syndrome.
Materials and methods: 4 laboratory indicators were used to build prognostic models: the number of platelets in the blood of patients, levels of potassium, sodium and chlorine in the blood serum. The probabilistic model is based on the multilayer perceptron (MLP) algorithm, binary on the random forest (Random Forest, RF) algorithm. To train the models, an anonymized database of patients with alcohol withdrawal syndrome (498 people) was used, 295 patients from this sample had alcohol delirium, and 203 had uncomplicated withdrawal syndrome.
Study results: Both models on the test sample showed good results: the average value of the forecast accuracy of the model based on the MLP algorithm - 84%, on RF - 83%. The MLP model was verified in an addiction hospital setting, with 84.4% accuracy of correct predictions
Цель исследования: разработать метод прогнозирования развития алкогольных делириев у пациентов с начальными проявлениями синдрома отмены алкоголя.
Материалы и методы: для построения прогностических моделей использованы 4 лабораторных показателя: количество тромбоцитов в крови пациентов, уровни калия, натрия и хлора в сыворотке крови. Вероятностная модель основана на алгоритме многослойного перцептрона (MLP), бинарная на алгоритме случайного леса (Random Forest, RF). Для обучения моделей была использована анонимизированная база данных пациентов с синдромом отмены алкоголя (498 человек), у 295 пациентов из данной выборки наблюдался алкогольный делирий, а у 203 – неосложненный синдром отмены.
Результаты исследования: Обе модели на тестовой выборке показали хорошие результаты: среднее значение точности прогноза модели, основанной на алгоритме MLP – 84%, на RF – 83 %. MLP модель была верифицирована в условиях наркологического стационара, точность верных прогнозов составила 84,4%.