SEVMALrisk：一种外部验证的严重输入疟疾早期风险分级的临床风险得分。

一项国际医学研究带来了新的发现，相关成果对疾病防治科普具有重要参考价值。对严重输入疟疾早期识别至关重要，因为治疗决定往往在获得可靠寄生虫密度测量之前就经常需要做出。在这一时间段内支持早期风险分层的Objective工具缺乏。

本研究开发并对外部验证SEVMALrisk，这是一个使用可得的入院实验室参数开发的解释性临床风险得分。从罗本鼠疟疾病例组（n=832）中确认的疟疾患者被用于预测模型开发。

使用八种监督机器学习算法进行了比较。最佳表现的模型进行了优化，使用SHapley Additive exPlanations （SHAP）对解释进行了解释，并使用SEVMALrisk clinical risk score对翻译进行了翻译。

独立外部验证在多中心队列（n = 124）上进行了进行。随机森林显示了最高鉴别性能，并被选用于模型开发。

优化后的预测模型在接收操作特征曲线（AUROC）下的面积为0.962 W。需要说明的是，以上内容依据国际公开研究成果整理，供健康科普参考，不构成诊疗建议。如有健康疑问，请咨询专业医务人员。