相关实验视频
Updated: Jul 16, 2025
05:34
5/6 Nephrectomy Using Sharp Bipolectomy Via Midline Laparotomy in Rats
Published on: April 4, 2025
687
一个新的机器学习模型用于预测经过微创部分切除术后的长期功能障碍: Fundació Puigvert预测模型
Alessandro Uleri1, Michael Baboudjian2, Andrea Gallioli2
1Department of Urology, Fundació Puigvert, Autonoma University of Barcelona, Cartagena 340-350, 08025, Barcelona, Spain. alessandrouleri@outlook.it.
World journal of urology
|September 15, 2023
概括
一个新的模型预测部分切除术 (PN) 后的长期功能下降. 该模型使用机器学习来识别需要更密切监测的患者,以防止手术后病恶化.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 医疗信息学 医疗信息学
背景情况:
- 部分切除术 (PN) 是对瘤的标准治疗方法.
- 在PN后评估长期功能对于患者管理至关重要.
- 在PN后预测慢性病 (CKD) 进展仍然是一个挑战.
研究的目的:
- 开发和验证一个预测模型,用于长期功能障碍后的微创性部分切除术 (PN).
- 确定PN后慢性病 (CKD) 阶段迁移的关键预测因素.
主要方法:
- 分析了2005年至2022年间接受了微创性PN治疗的381名患者的数据,随访时间至少为12个月.
- 使用分类和回归树 (CART) 机器学习算法.
- 确定了预测因素,并根据CKD阶段迁移和风险因素创建了患者群.
主要成果:
- 103名患者 (27%) 经历了CKD阶段迁移.
- 确定了关键预测因素:术后功能丧失,年龄调整的查尔森并发症指数 (ACCI) 和基线CKD阶段.
- 确定了四个不同的患者群,CKD进展率从6.9%到69.6%不等.
- 该模型实现了0.75.5的c指数.
结论:
- 一种新型模型有效地预测了PN后的长期功能障碍.
- 术后功能丧失是预测康复的关键因素.
- 该模型有助于识别高风险患者进行密集的功能随访,以减轻功能下降.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
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
