周一，2023年1月23日(HealthDay新闻)——根据一项发表在《家庭医学年鉴》1月/ 2月号上的研究，nommicro分类器在初级保健环境中评估疑似尿路感染病例的尿培养时，不需要显微镜检查。
来自堪萨斯城堪萨斯大学医学中心的Gurpreet Dhanda医学博士及其同事重新设计了一个不依赖于尿液显微镜的分类器(nommicro)，并回顾性验证了内部(急诊科数据集)和外部(初级保健数据集)尿培养的机器学习预测模型。病原性尿培养≥100,000菌落形成单位为主要结局，而预测变量为:年龄;性别;试纸尿亚硝酸盐、白细胞、透明度、葡萄糖、蛋白质和血液;排尿困难;腹痛;尿路感染史。
研究人员发现，在内部验证下，去除显微镜特征不会严重影响性能(受试者工作特征曲线下面积[ROC-AUC]， nommicro /XGBoost和NeedMicro分别为0.86和0.88)。在外部验证中，也取得了优异的性能(nommicro /random forests ROC-AUC, 0.85)。
作者写道:“回顾性模拟表明，nommicro /random森林可以用来安全地为低风险患者保留抗生素，从而避免抗生素滥用。”“nommicro分类器似乎适用于初级保健。通过前瞻性试验来判断使用nommicro分类器的利弊是合适的。”
抽象/全文
