开发预测模型,以预测33248名患有偏移脑液的儿科患者的偏移并发症,利用机器学习
Shane Shahrestani1,2, Nathan Shlobin3, Julian L Gendreau4
1Department of Neurosurgery, Keck School of Medicine, University of Southern California, Los Angeles, California, USA.
Pediatric neurosurgery
|July 2, 2023
概括
儿科水脑变送并发症可以使用机器学习模型来预测. 该模型确定了关键因素,如诊断数量和神经学入院诊断作为预测因素,改善了患者护理策略.
科学领域:
- 神经外科 神经外科
- 儿科医学 儿科医学
- 医疗信息学 医疗信息学
背景情况:
- 水脑是一种常见的儿科神经外科疾病,需要进行心室分流.
- 大约30%的儿科患者在手术后的第一年内经历了分流失败.
- 改善分流并发症预测对于儿科神经外科护理至关重要.
研究的目的:
- 为了验证儿科分流并发症的预测模型.
- 利用来自医疗保健成本和利用项目 (HCUP) 国家再接收数据库 (NRD) 的数据.
主要方法:
- 使用ICD-10代码查询HCUP NRD (2016-2017) 关于使用ICD-10代码进行儿科分流安置.
- 包括并发症,约翰霍普金斯调整的临床组 (JHACG) 脆弱性标准和主要诊断类别 (MDC).
- 使用培训,验证和测试数据集开发了后勤回归模型;用ROC曲线进行分析.
主要成果:
- 包括33,248名儿科患者;分析了预测分流并发症的因素.
- 增加的诊断和神经学入院诊断与更高的并发症风险相关.
- 女性性别和选择性入院显示出与分流并发症 (降低风险) 的负相关性.
结论:
- 一个机器学习算法确定了儿科分流并发症的显著预测因素.
- 开发的模型显示出良好的预测值 (AUC为0.733).
- 这些发现可以为更安全,更有效的儿科水头治疗策略提供信息.
更多相关视频
14:59Neuronavigation and Laparoscopy Guided Ventriculoperitoneal Shunt Insertion for the Treatment of Hydrocephalus
Published on: October 14, 2022
7.4K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K