使用人工智能进行外科护理的非线性基准测试

科学领域:

• 外科手术质量基准测试的使用
• 医疗保健中的人工智能
• 医学中的预测分析.

背景情况:

• 目前的外科手术护理质量基准仅限于线性模型.
• 现有的方法无法解释复杂的手术前变量相互作用.
• 需要新的非线性AI方法来准确评估外科护理质量.

研究的目的:

• 利用先进的非线性人工智能 (AI) 来衡量紧急外科护理的质量.
• 确定与外科手术结果相关的特定患者表型和护理途径.

主要方法:

• 采用最佳分类树,非线性和可解释的AI方法.
• 将指数队列中的观察到的死亡率与基准队列中的风险调整预期死亡率进行比较 (美国外科医生学院国家外科质量改进计划数据库).
• 人工智能识别了患者表型 (节点),以优化风险调整的比较,并精确定位护理变化.

主要成果:

• 指数队列 (1,600名患者) 和基准队列 (637,086名患者) 的整体死亡率相似 (8.06%与7.53%,P = .42).
• 人工智能确定了两个卓越领域和四个改善外科护理的领域.
• 特定的患者表型,如患有呼吸衰竭和败血症的老年患者,死亡率低于预期,而其他患者,如患有手术前呼吸衰竭和血小板狭窄症的患者,死亡率高于预期.

结论:

• 非线性AI,特别是最佳分类树,提供了一种更全面的方法来对外科护理质量进行基准测试.
• 这种方法有助于更深入地了解在紧急外科设置中需要改进的卓越和领域.
• 可解释的人工智能模型有望对医疗保健质量进行更细致的评估.