一个基于机器学习的风险预测模型,用于非心脏手术的老年患者的术后认知功能障碍
Xianhai Xie1,2, Junlin Li1,2, Yi Zhong3
1School of Basic Medicine and Clinical Pharmacy, China Pharmaceutical University, Nanjing, China.
Aging clinical and experimental research
|October 21, 2023
概括
这项研究开发了一种机器学习模型,用于预测非心脏手术后老年患者的术后认知功能障碍 (POCD). SVM模型准确地识别了高风险患者,有助于早期干预和预防策略.
科学领域:
- 老年医学 老年医学
- 手术瘤学手术瘤学
- 医疗保健中的人工智能
背景情况:
- 手术后认知功能障碍 (POCD) 在接受非心脏手术的老年患者中是一个重大问题.
- 早期识别有风险的个体对于实施预防措施和优化资源分配至关重要.
研究的目的:
- 开发一种简单的,临床上适用的机器学习 (ML) 模型,用于预测老年患者手术后3个月的POCD.
- 加强POCD的早期检测和管理策略.
主要方法:
- 利用LASSO回归来选择特征,并构建了五个ML模型来预测POCD风险.
- 采用沙普利增量解释 (SHAP) 来实现模型的解释性.
- 收集了415名接受非心脏手术的老年患者的数据.
主要成果:
- 支持矢量机 (SVM) 模型在五个ML模型中表现出优异的性能.
- 通过SHAP识别的关键预测特征包括VAS得分,年龄,手术内低血压和手术前血红蛋白.
- 在预测POCD风险方面,SVM模型表现出良好的解释性和可靠性.
结论:
- 成功开发了ML模型,SVM是表现最佳的模型,用于预测老年非心脏手术患者的POCD.
- 这些基于六个术后变量的模型可以作为临床医生的决策辅助工具.
- 这些发现支持对高风险患者进行更密切的监测和及时干预.
