우리는 기계학습을 사용하여, 병원 밖 심정지(OHCA) 환자 중 성공적으로 소생된 환자에서 신경학적 예후가 양호한 데 주요하게 기여하는 결정 요인을 규명하였다. 본 연구는 무작위 포레스트(random forest)가 각 층화 하위집단(병원 전 ROSC 및 EMS에 의해 처음 관찰된 심율동)에 대해 효과적인 의사결정 보조 시스템으로서의 강점을 보여주며, 그 하위집단마다 병원 내 주요 변수(병원 내 심폐소생술[CPR] 소요 시간, 소생 후 pH, 연령 및 헤모글로빈)에 대한 각자의 최적 절단값(cut-off points)을 찾아내도록 한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.