数据集概述
本数据集围绕蛛网膜下腔出血（SAH）患者的延迟性脑缺血（DCI）及功能预后预测展开，对比机器学习（ML）模型、标准模型（SM）与临床医生预后判断的性能，包含399例DCI状态、393例出院预后、240例3个月预后及90例临床医生预测数据，旨在验证ML模型对SAH管理的优化潜力。
文件详解
- 文件名称：
Supplemental.docx
- 文件格式：DOCX
- 字段映射介绍：未提供具体字段预览，推测包含研究对象的基线特征、DCI发生状态、出院及3个月改良Rankin量表（mRS）评分、临床医生预后判断结果、ML与SM模型的AUC值及置信区间等核心研究数据。
数据来源
论文“Machine learning to predict delayed cerebral ischemia and outcomes in subarachnoid hemorrhage”
适用场景
- 神经外科预后预测模型研究: 对比分析ML模型与传统标准模型在SAH患者DCI及功能预后预测中的性能差异。
- 临床决策支持工具开发: 基于ML模型的预测效果，探索其在SAH患者临床管理中的应用价值。
- 医学预后评估方法优化: 研究ML模型对SAH患者出院及3个月功能预后的预测准确性，为预后评估体系提供参考。
- 医疗人工智能应用: 验证机器学习技术在神经外科疾病预后预测领域的可行性与优势。
