User: Guest  Login
Original title:
Machine-Learning basiertes Score-Modell zur Differenzierung zwischen spontan bakterieller Peritonitis und sekundärer Peritonitis bei Patienten mit hydropisch dekompensierter Leberzirrhose
Translated title:
Machine learning based score model to differentiate between spontaneous bacterial peritonitis and secondary peritonitis in patients with hydropic decompensated liver cirrhosis
Author:
Studen, Fabian Dominik
Year:
2024
Document type:
Dissertation
Faculty/School:
TUM School of Medicine and Health
Advisor:
Schneider, Jochen (Priv.-Doz. Dr.)
Referee:
Schneider, Jochen (Priv.-Doz. Dr.); Burgkart, Rainer (Prof. Dr.)
Language:
de
Subject group:
MED Medizin
TUM classification:
MED 000
Abstract:
Es werden die wichtigsten Prädiktoren zur Differenzierung zwischen der spontan bakteriellen von der sekundären Peritonitis bei Patienten mit Leberzirrhose und infiziertem Aszites ermittelt. Mittels Random-Forest und LASSO-Regressionsmodell werden die mikrobiologischen Kriterien, die Erkrankungsschwere und klinisch-pathologische Parameter im Aszites als bedeutsamste Unterscheidungsmerkmale identifiziert und im Anschluss daraus ein 10 Punkte Score-Modell zur Differenzierung entwickelt.
Translated abstract:
The most important predictors for differentiating spontaneous bacterial peritonitis from secondary peritonitis in patients with liver cirrhosis and infected ascites are determined. Using a random forest and LASSO regression model, the microbiological criteria, the severity of the illness and clinicopathological parameters in the ascites are identified as the most important distinguishing features and a 10-point score model is then developed for differentiation.
WWW:
https://mediatum.ub.tum.de/?id=1712532
Date of submission:
09.08.2023
Oral examination:
21.03.2024
File size:
876694 bytes
Pages:
86
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240321-1712532-1-7
Last change:
13.05.2024
 BibTeX