简介：与严重细菌感染相关的死亡率约为30%，适当的抗生素治疗可将其降低一半。不幸的是，医生开出的抗生素治疗处方中有三分之一是不合适的。我们建立了一个因果概率网络(CPN)来治疗严重的细菌感染。网络是基于模块的，每个模块代表一个感染点。一个模块的总体配置如下:主要分布因素定义了患者的群体，每个患者由特定的病原体引起的感染的流行程度都是确定的。较小的分布因素增加了一种病原体的可能性，但不会很大程度上改变感染流行率。由病原体引起的感染引起局部和全身的体征和症状。如果抗生素治疗与体外病原体的易感性相匹配，那么它是适当的，并且适当的治疗与预期寿命的增加有关。这要与药物成本、副作用和生态破坏进行平衡，以达到最具成本效益的治疗。网络是这样构建的，条件概率表的数据将是可用的，即使这意味着有时要放弃精细的建模细节。在数据方面，我们使用了我们在过去10年收集的大型数据库和文献数据。CPN是一种方便的方法，可以将不同地点和时间收集的数据库数据与发布的信息结合起来。虽然网络是建立在详细而庞大的数据库之上的，但它对新站点的校准需要大多数现代医院都能获得的数据。

链接：https://ieeexplore.ieee.org/document/868905
推荐理由：本文是2000年发表于TKDE的文章，文中依据prior knowledge构建了一个因果网络，并且使用真实数据集进行了一定的校准，对于相关的研究有着重要作用。

内容中包含的图片若涉及版权问题，请及时与我们联系删除