تظل حالة تعفن الدم واحدة من أكثر المتلازمات تعقيدًا وتنوعًا في الرعاية المركزة، مما يتطلب من الباحثين تطوير أدوات يمكن من خلالها التعامل مع هذا التحدي. في هذا السياق، توصل الباحثون إلى إطار عمل مبتكر يمكن تفسيره في توقّع تعفن الدم، مما يمثل خطوة بارزة نحو تحسين جودة الرعاية الصحية.

يعتمد هذا الإطار الجديد على نهج علاقاتي، حيث يتم تمثيل بيانات السجلات الصحية الإلكترونية (Electronic Health Records) في مخطط علاقاتي، مما يتيح تسهيل فهم المعلومات. باستخدام تقنية الاقتران القائم على اتخاذ القرار، يتم تسطيح البيانات إلى ميزات مختصرة وسهلة القراءة، ثم تُصنف هذه الميزات باستخدام مصنف "Fractional Naive Bayes" الانتقائي.

أجريت التقييمات على بيانات من قاعدة بيانات MIMIC-III، حيث شملت الدراسة 3,940 مريضًا وتمت عبر استخدام طريقة التحقق المتقاطع (10-fold cross-validation). وقد حقق هذا النهج AUC قدره 0.983، مما يجعله تنافسيًا مع نماذج مثل XGBoost وCatBoost، واللتين حققتا AUC قدره 0.985، وبالتأكيد تفوقه على نموذج الشبكات العصبية طويلة المدى (LSTM) الذي حقق 0.945، مُستخدمًا فقط 98 متغيرًا.

ما يجعل هذا الإطار فريدًا هو أن تفسير القرارات يأتي بشكل مدمج، مما يوفر فهمًا متعدد الأبعاد: على مستوى متغير واحد، عالمي، محلي، وتفسيرات مضادة. في النهاية، لا يساعد هذا الجهد في تحسين دقة التوقعات فحسب، بل يساهم أيضًا في تعزيز الشفافية في مجالات الرعاية الصحية.