使用机器学习来预测腰椎手术后手术部位感染
Tianyou Chen1, Chong Liu1, Zide Zhang2
1Department of Spine and Osteopathy Ward, the First Affiliated Hospital of Guangxi Medical University, Nanning, People's Republic of China.
Infection and drug resistance
|August 15, 2023
概括
机器学习确定了Modic变化,脂质厚度,血红蛋白和葡萄糖作为腰椎手术后手术部位感染 (SSI) 的关键预测因素. 这种动态模型有助于监控和预防SSI.
科学领域:
- 神经外科 神经外科
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 手术部位感染 (SSI) 是后腰脊椎手术后的一个严重并发症.
- 准确预测SSI风险对于有效的患者管理和预防策略至关重要.
研究的目的:
- 采用机器学习技术来分析外科手术期间的因素,并确定可预测SSI的血糖水平.
- 开发后腰椎脊柱手术后SSI的动态预测模型.
主要方法:
- 利用后勤回归,拉索回归,支向量机和随机森林来选4019名患者队列中的变量.
- 通过四种方法识别的交叉变量来构建动态预测模型.
- 使用ROC和校准曲线评估模型性能,并进行内部验证.
主要成果:
- 确定了SSI的四个关键预测因素:模态变化,脂质厚度,血红蛋白和葡萄糖.
- 预测模型的准确性很高,ROC曲线下的面积 (AUC) 在测试组为0.988,验证组为0.987.
- 该模型显示了预测和实际测量之间的良好一致性,测试和验证组的C指数分别为0.986和0.982.
结论:
- 后勤回归和机器学习成功地确定了Modic变化,脂质厚度,血红蛋白和葡萄糖作为SSI的重要风险因素.
- 建立了一个动态预测模型,以帮助临床医生简化SSI监测和预防.


