前部頸椎切除と融合を患っている患者の消化不全の予測のためのLASSOベースの機械学習アルゴリズム

科学分野:

• 神経外科
• 整形 術
• 医療情報工学

背景:

• 前頸椎切除と融合 (ACDF) の後の一般的な合併症である.
• ディスファギーのリスクを正確に予測することは,患者の管理と手術計画において極めて重要です.
• ACDFに関連した消化不全に関する既存の予測モデルは,範囲と精度において制限があります.

研究 の 目的:

• ACDFを患っている患者の手術後の消化不全に対する堅実な予測モデルを開発し,検証する.
• 放射線,バイオマーカー,病歴,外科的要因を含む 消化不全の主要な予測要因を特定する.
• ACDFを受けた患者の個々のリスクの分層化を可能にします.

主な方法:

• 500人のACDF患者 (2018年から2022年) の遡及分析.
• 53の候補予測因子の評価 (X線写真,血液バイオマーカー,病歴,外科的特徴).
• LASSO回帰を用いた予測モデルの開発とROCとDCA分析による検証

主要な成果:

• 23. 0% の患者はACDF後1ヶ月以内に消化不全を発症した.
• 9つの主要な予測要因の最終パネルが特定されました.
• 開発されたモデルは,0. 969 (訓練) と0. 954 (検証) のAUCで高い精度を示した.

結論:

• LASSO-ペナライズされたロジスティック回帰モデルは,ACDF後の術後の食欲不全を正確に予測します.
• このモデルは様々な患者のデータを統合し 予測能力を高めています
• この予測ツールは 個別化されたリスクの階層化を導き 患者の治療結果を改善します