在腰部手术中术前预测术后尿:机器学习模型的前性验证
Ken Porche1, Carolina B Maciel2, Brandon Lucke-Wold2
1Department of Neurosurgery, University of Florida, PO Box 100265, Gainesville, FL, 32610, USA. ken.porche@neurosurgery.ufl.edu.
概括
这项研究验证了一种机器学习模型,用于预测术后尿 (POUR). 经过验证的模型显示出良好的相关性,支持其在临床环境中用于预测这种常见并发症.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 麻醉学 麻醉学
- 医疗信息学 医疗信息学
背景情况:
- 预测术后尿 (POUR) 是一个临床挑战.
- 机器学习模型提供了提高预测准确性的潜力.
- 一个先前开发的模型需要前性验证.
研究的目的:
- 为了前性验证用于预测术后尿的机器学习模型.
- 用现实世界的临床数据来评估模型的性能.
- 确认机器学习在预测术后并发症方面的实用性.
主要方法:
- 从手术前诊所招募了171名患者.
- 预测是由四个人在手术前做出的,并与实际的POUR结果进行了比较.
- 评估者之间的可靠性是使用相互关联系数来评估的.
主要成果:
- 该车型的整体性能达到0.663 (0.567-0.759).
- 有了特定的切断值,该模型显示了90.6%的特异性和73.1%的准确性.
- 观察到高的相关系数 (回归系数为0.889,神经网络系数为0.874).
结论:
- 预期验证证实了预测模型的性能.
- 这项研究支持使用机器学习来预测术后尿.
- 这种方法可以帮助管理和预防术后并发症.
更多相关视频
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
07:44Evaluation of Patients' Posture and Gait Profile After Lumbar Fusion Surgery by Video Rasterstereography and Treadmill Gait Analysis
Published on: March 23, 2019
17.8K
