机器学习预测选择性减肥手术后的主要不良心脏事件
Gustavo Romero-Velez1, Jerry Dang2, Juan S Barajas-Gamboa3
1Endocrine and Metabolism Institute, Cleveland Clinic, Cleveland, OH, USA.
Surgical endoscopy
|September 25, 2023
概括
机器学习模型可以有效地预测减肥手术后的主要不良心脏事件 (MACE). 这些先进的算法帮助临床医生识别高风险患者,以改善手术结果.
科学领域:
- 心脏病学 心脏病学
- 腹部外科 腹部外科
- 机器学习 机器学习
背景情况:
- 腹腔外科手术后的主要不良心脏事件 (MACE) 是罕见但严重的.
- 传统的统计方法在预测MACE方面存在局限性.
- 机器学习 (ML) 为预测结果提供先进的模式识别.
研究的目的:
- 评估和比较ML模型与传统的方法对MACE预测在减肥外科手术.
- 评估不同的ML算法在识别MACE风险方面的有效性.
主要方法:
- 一项横截面研究利用了MBSAQIP数据库 (2015-2019).
- 对比后勤回归,神经网络和XGBoost模型用于二进制MACE预测.
- 模型在755,506名患者中使用50/50数据分割进行了训练和验证.
主要成果:
- 在研究队列中,MACE的发病率为0.1%.
- 曲线下的面积 (AUC) 值相似:0.790 (逻辑回归),0.798 (神经网络) 和0.787 (XGBoost).
- 神经网络模型表明风险预测更加顺.
结论:
- 机器学习模型显示了强大的分辨函数来预测MACE.
- ML可以帮助临床医生在减肥手术的患者选择和风险分层.
- 对手术结果的ML应用进行进一步的研究是有必要的.


