이 연구는 응급실 환자를 위한 인공지능 기반 패혈증 예측 모델에 대한 현재 증거를 종합하고 표준화된 데이터 준비 및 재현 가능한 모델 특성화에 중점을 둔 실용적인 기준을 제안하는 것을 목표로 합니다. Scopus, Web of Science, PubMed, MEDLINE 및 Embase에서 문헌 검색이 수행되었습니다. 적격 연구는 두 단계의 선별 과정을 통해 선정되었고, 사전 정의된 기준에 따라 데이터 추출 및 평가가 이루어졌습니다. 예측 모델 성능을 정량화하기 위해 무작위 효과 메타 분석이 사용되었으며, 이질성은 하위 그룹, 회귀 및 민감도 분석을 통해 탐색되었습니다. 총 36개의 연구가 포함되어 98개의 예측 모델이 포함되었고, 수신자 조작 특성 곡선 아래의 집합 면적은 0.87(95% CI: 0.86–0.88)로 나타났습니다. 성능 차이는 목표 정의, 데이터 출처, 코호트 규모, 데이터 전처리, 특징 표현 및 모델 개발을 포함한 연구 수준의 방법론과 관련이 있었습니다. 통합 메타 회귀 분석을 통해 모델 성능에 영향을 미치는 독립적인 방법론이 추가로 식별되었습니다. 인공지능 기반 모델은 응급실에서의 패혈증을 위한 전통적인 점수 시스템보다 높은 집합 예측 성능을 보였습니다. 그러나 실무에의 적용은 일관되지 않은 평가 및 보고와 충분하지 않은 외부 검증으로 제한됩니다. 표준화된 방법론적 기준은 재현성, 비교 가능성 및 임상 적용 가능성을 향상시킬 잠재력을 가지고 있습니다.
Zhang 외 (Mon,)는 이 문제에 대해 연구하였습니다.