基于机器学习的诺姆图,用于在ERCP后用金属支架进行不可切除的恶性胆道阻塞患者的30天死亡预测:一项追溯观察队列研究
Zongdong Zhu1,2, Kaixin Hu1,2, Fengqing Zhao2
1Jiaxing University Master Degree Cultivation Base, Zhejiang Chinese Medical University, Jiaxing, Zhejiang, China.
BMC surgery
|August 30, 2023
概括
这项研究确定了患有恶性胆道阻塞的患者30天死亡的关键风险因素,这些患者接受了带金属支架的内镜逆行胆血管细胞造影 (ERCP). 开发了一种预测性名录,以帮助识别ERCP后高风险个体.
科学领域:
- 胃肠病学 胃肠病学
- 在瘤学瘤学.
- 医学统计 医学统计
背景情况:
- 恶性胆道阻塞 (MBO) 存在重大风险.
- 用金属支架放置的内镜逆行胆血管细胞造影 (ERCP) 是一种常见的干预措施.
- 在MBO患者中预测ERCP后30天的死亡率对于管理至关重要.
研究的目的:
- 确定ERCP后MBO患者30天死亡率的独立风险因素.
- 开发和可视化30天死亡率的预测模型.
- 为了实现风险分层,以改善患者护理.
主要方法:
- 对245名MBO患者进行金属支架ERCP的回顾性分析.
- 后勤回归和LASSO回归用于风险因素识别.
- 开发和验证用于死亡率预测的nomogram.
主要成果:
- 30天的死亡率为10.7%.
- 确定了独立的危险因素:远程转移,总胆红素,ERCP后并发症和成功的排水.
- 一个经过验证的nomogram显示出良好的预测能力,并促进了风险分层.
结论:
- 一个LASSO-逻辑回归模型和名图有效地预测了MBO患者在ERCP后的30天死亡率.
- 开发的诺莫格拉姆有助于识别高风险个体.
- 这种工具可以支持临床决策和患者管理策略.
