在脑瘤切除手术中进行手术内输血的预测工具的开发和验证:回顾性分析

科学领域:

• 神经外科 神经外科
• 医疗信息学 医疗信息学
• 麻醉学 麻醉学

背景情况:

• 在脑瘤切除过程中,手术内输血是常见的.
• 早期预测输血风险对于实施节血策略至关重要.
• 目前的预测方法缺乏足够的准确性.

研究的目的:

• 开发和验证机器学习 (ML) 预测工具,用于脑瘤切除手术中的手术内输血.
• 确定与输血相关的关键手术前风险因素.
• 将ML工具的性能与现有方法进行比较.

主要方法:

• 对541名接受脑瘤切除的患者进行了回顾性分析.
• 使用最小绝对收缩和选择操作员 (LASSO) 来识别风险因素的特征选择.
• 基准测试八个ML算法,后勤回归被选为表现最佳的模型.
• 预测工具的验证使用7:3训练测试分割和评估辨别能力.

主要成果:

• 拉索确定了七个关键的手术前预测因素:血红蛋白,瘤直径,前热血素时间,白细胞计数 (WBC),年龄,美国麻醉学会 (ASA) 身体状况和心脏功能.
• 后勤回归模型在测试组中显示出强大的区分能力 (0.817).
• 在预测输血风险方面,ML预测工具显著优于单独的血红蛋白 (P = 0.000).

结论:

• 血红蛋白,瘤直径,血红蛋白时间,白血球,年龄,ASA状态和心脏功能是脑瘤手术中手术内输血的重要风险因素.
• 开发的基于ML的预测工具,利用后勤回归,提供了一种可靠的方法来预测输血需求.
• 这种工具可以加强手术前规划和在神经外科瘤学中实施节血策略.