Resumen de Aprendizaje automático para identificar niños con fiebre con riesgo de presentar enfermedad de Kawasaki

M. Molina Arias , Eduardo Ortega Páez

• Conclusiones de los autores del estudio: el estudio sugiere que los resultados de las pruebas objetivas de laboratorio tienen el potencial de predecir la enfermedad de Kawasaki. El aprendizaje automático con XGBoost puede ayudar a los clínicos a diferenciar a los pacientes con enfermedad de Kawasaki de otros pacientes febriles en los servicios de urgencias pediátricas, con una excelente sensibilidad, especificidad y precisión.

  Comentario de los revisores: aunque el modelo presentado tiene buena potencia para identificar pacientes con riesgo de enfermedad de Kawasaki, es preciso realizar una validación externa del mismo en poblaciones más parecidas a la nuestra antes de poder recomendar su utilización.