热点事件持续更新
可解释机器学习模型预测COVID-19死亡与重症
1 篇报道1 个报道来源23 小时前更新
先了解这件事
AI 综述
2026年10月5日，medRxiv发布一项预印本研究，基于巴基斯坦一家医院321例住院PCR确诊COVID-19患者入院24小时内的数据，开发可解释随机森林模型，用于预测三分类严重程度（轻症、重症、死亡）。研究从2,278个原始变量中保留20个预测因子，开发模型macro F1为0.55，其中死亡类识别最可靠，F1为0.67，召回率0.73。该模型并在中国和意大利人群中进行了外部评估。
AI 根据报道生成 · 2 小时前更新
最新进展10月5日 08:00
巴基斯坦队列开发的可解释Day-1模型在死亡类识别上表现最可靠，并已在中国和意大利人群外部评估。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- medRxiv 预印本巴基斯坦医院队列开发的可解释 Day-1 机器学习模型用于 COVID-19 死亡与重症预后，并在中国和意大利人群中外部评估
研究基于巴基斯坦 321 例住院 PCR 确诊 COVID-19 患者入院 24 小时内数据，开发可解释随机森林模型预测三分类严重程度（轻症、重症、死亡），从 2,278 个原始变量中保留 20 个预测因子，开发模型 macro F1 为 0.55，死亡类识别最可靠（F1 0.67，召回率 0.73）。
本事件热度走势
当前热度 5·可比范围峰值 6（10月6日 05:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。