ミトラル弁手術中のまたは後の輸血リスクの予測のための機械学習:多中心の遡及コホート研究
Yuhan Wang1, Leping Liu2, Kexin Fan3
1Department of Transfusion, The Third Xiangya Hospital of Central South University, 138 Tongzipo Road, Changsha, 410013, Hunan, China.
この研究では,ミトラル弁手術の患者の赤血球 (RBC) 輸血リスクを予測するための最良の機械学習モデル,LightGBMを特定しました. ヘマトクリットと赤血球数などの主要な手術前変数は,精密な輸血予測に不可欠です.
科学分野:
- 心血管外科
- 医療情報工学
- 血液学
背景:
- 赤血球 (RBC) 輸血はミトラル弁の手術で一般的です.
- 輸血リスクの正確な予測は,血液管理を最適化するために不可欠です.
研究 の 目的:
- ミトラル弁手術を受ける患者の赤血球輸血リスクの最適な予測方法を特定する.
- 輸血の必要性に影響を与える主要な手術前変数を決定する.
主な方法:
- 心肺バイパス手術を受けた1477人の患者の遡及分析.
- 30の術前変数から最大関連性および最小冗長性 (mRMR) を用いて特徴の選択.
- LightGBMを含む様々な機械学習モデルの評価と,解釈可能性のためのSHAP分析.
主要な成果:
- mRMR法では,手術前の10つの重要な変数を特定しました.
- LightGBMモデルは,前向きなデータセットで74. 2%の精度で,0. 935 (トレーニング) と0. 734 (検証) のAUCを達成しました.
- 最高の予測要因は,血球値,赤血球数,体重,BMI,フィブリノゲン,ヘモグロビン,身長,年齢,左心房の膨張,性別でした.
結論:
- ライトGBMモデルは,ミトラル弁手術における赤血球輸血の必要性を予測するのに最適です.
- 正確な予測は 臨床医が輸血を予期し,血液管理の戦略を改善するのに役立ちます.
さらに関連する動画
08:31A Simplified Stepwise Approach to Echo Guidance during Percutaneous Mitral Valve Repair
Published on: October 16, 2021
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
関連する概念動画
Mitral Valve Prolapse II: Assessment and Management
Mitral Stenosis III: Medical Management
Mitral Stenosis I: Introduction
Mitral Regurgitation III: Medical Management
Mitral Valve Prolapse I: Introduction
Mitral Valve Prolapse III: Nursing Management
