开发和验证预后分类模型预测老年手术患者的术后不良结果,使用机器学习算法:回顾性观察网络研究
Jung-Yeon Choi1, Sooyoung Yoo2, Wongeun Song2,3
1Departmentof Internal Medicine, Seoul National University Bundang Hospital, Seongnam-si, Republic of Korea.
Journal of medical Internet research
|November 13, 2023
概括
一个新的预测模型准确地识别了老年手术患者的不良结果风险,改善了手术决策. 这种工具比现有的手术后并发症方法提供了更好的预测.
科学领域:
- 老年人手术是一门老年人手术.
- 医疗信息学 医疗信息学
- 机器学习在医学中的应用
背景情况:
- 老年人面临更高的术后并发症风险.
- 现有的风险分层工具往往是资源密集的.
研究的目的:
- 开发和验证一个开源的,患者级预测模型,用于老年普通手术患者的不良结果.
- 使用来自观察健康数据科学和信息学 (OHDSI) 框架的数据.
主要方法:
- 采用了观察医学结果伙伴关系 (OMOP) 的共同数据模型和机器学习算法.
- 通过使用来自首尔国立大学邦达医院 (SNUBH) 和首尔国立大学医院 (SNUH) 的数据来训练和测试该模型.
- 使用接收器操作特征曲线 (AUC) 下面的面积验证模型性能.
主要成果:
- 最少绝对收缩和选择操作员 (LASSO) 后勤回归模型显示,90天死亡率和急诊室访问的预测准确度很高 (内部AUC 0.723,外部AUC 0.703).
- 该模型还在预测术后妄想,术后长期停留和长期住院等方面表现良好.
- 拉索在预测方面表现优于传统方法,如年龄和查尔森并发症指数.
结论:
- 开发的模型为临床医生和患者提供了一种有价值的工具,以了解个性化手术风险和益处.
- 这种开源模型增强了对老年人术后不良事件的评估.


