TY -的A2 -斯诺尔,斯莱姆盟——Akmese俄梅珥f . AU -多根,居尔非盟-侯尔哈坎盟——Erbay哈桑盟——Demir埃姆雷PY - 2020 DA - 2020/04/25 TI -使用机器学习的方法对急性阑尾炎的诊断SP - 7306435六世- 2020 AB -急性阑尾炎是一种最常见的紧急疾病在普通外科诊所。它更常见，尤其是在10岁到30岁之间。此外，大约7%的人口在他们的生活中被诊断为急性阑尾炎，需要手术治疗。本研究旨在开发一种简单、快速、准确的评估方法用于早期急性阑尾炎诊断使用机器学习算法。采用预测数据挖掘模型对回顾性临床资料进行分析。比较了各种机器学习算法所获得模型的预测成功率。本研究共使用595份临床记录，其中男性348例(58.49%)，女性247例(41.51%)。结果表明，梯度增强树算法的预测成功率最高，准确率为95.31%。在本研究中，一种基于机器学习的估计方法被开发来识别急性阑尾炎个体。人们认为这种方法将有利于有阑尾炎症状的病人，特别是在医院的急诊科。 SN - 2090-2840 UR - https://doi.org/10.1155/2020/7306435 DO - 10.1155/2020/7306435 JF - Emergency Medicine International PB - Hindawi KW - ER -