末性腸炎における手術の最適なタイミングの予測モデル: ノモグラム対5つの機械学習モデル

科学分野:

• 新生児の手術
• 医療情報学
• 小児胃腸内科

背景:

• 末性腸炎 (NEC) は,早期の手術を必要とする,新生児の重大な疾患である.
• NECで最適な手術タイミングを決定する現在の方法は不十分です.
• 予測モデルの開発は,NECの管理のための臨床的意思決定を改善することができます.

研究 の 目的:

• NECにおける最適な手術タイミングを特定するために,機械学習 (ML) モデルとロジスティック回帰 (LR) を確立し,比較する.
• 手術のタイミングに影響を与える重要な指標をノモグラムを使って視覚化します.
• NECの外科的介入に対する臨床的意思決定のサポートを強化する.

主な方法:

• NEC患者 (2011年−2024年) の臨床,検査,画像データを収集した.
• 予測指標をスクリーニングするために,単変数/多変数LRおよびMLアルゴリズム (RF,SVM,DT,NB,KNN) を適用した.
• 危険因子を視覚化するために LR分析に基づいてノモグラムを作成しました.
• ROC曲線,校正,DCAを用いてモデルの性能を評価した.

主要な成果:

• ロジスティック回帰 (LR) は,NEC手術のタイミングを予測する上で,全体的に最良のパフォーマンスを示しました.
• ランダムフォレスト (RF) モデルは,テストされたMLモデルの中で最も高いパフォーマンスを示しました.
• インターループのスペースの拡大は,ノモグラムで最高スコアを持つ重要な指標として特定されました.

結論:

• LRモデルは,NECにおける最適な手術タイミングを予測するのに非常に有効です.
• また,RFモデルは,MLのアプローチの中で優れた予測能力を提供しています.
• これらのモデル,特にLRモデルとそのノモグラムは,NECの新生児のより正確な手術タイミングを決定するのに役立ちます.