预测通过高热腹腔内化学疗法进行细胞减轻手术的严重并发症:以数据驱动的机器学习方法来增强临床判断力

科学领域:

• 手术瘤学手术瘤学
• 医疗信息学 医疗信息学
• 预测分析是一种预测分析.

背景情况:

• 带有高热性腹腔内化疗 (CRS-HIPEC) 的细胞还原性手术提供瘤学益处,但是一种高发病率的手术.
• 对于CRS-HIPEC,存在有限的术前患者选择工具.
• 这项研究旨在开发CRS-HIPEC后严重并发症的预测模型.

研究的目的:

• 开发和验证一个风险评分,以预测CRS-HIPEC后90天的严重并发症.
• 为了改善手术前患者选择CRS-HIPEC.
• 提高对影响CRS-HIPEC结果的因素的理解.

主要方法:

• 分析来自一个机构的1959个成年CRS-HIPEC程序 (2001年3月至2020年4月).
• 严重并发症是由综合并发症指数 (CCI) 定义的> 61.
• 评估了机器学习和传统的回归模型,线性回归显示了最高的预测性能 (AUC 0.80).

主要成果:

• 开发的线性回归模型实现了0.74的AUC,超过了NSQIP手术风险计算器 (AUC0.66).
• 严重并发症的关键预测因素包括腹癌指数,症状状况和胰腺切除术.
• 与严重并发症负面相关的因素包括美国麻醉学会第二类,尾诊断和手术前的白蛋白水平.

结论:

• 经验证的风险评分可以改进CRS-HIPEC后90天严重并发症的预测.
• 这种预测工具可以帮助患者选择,从而有可能提高安全性和结果.
• 鉴于CRS-HIPEC的使用日益增加,这些发现很重要,可能会影响患者咨询和转诊决策.