风险因素和预测模型为周围插入的中央导管在癌症患者的意外输出:前性,机器学习研究研究

科学领域:

• 在瘤学瘤学.
• 患者安全 患者安全
• 医疗器械管理 医疗器械管理

背景情况:

• 周围插入的中央导管 (PICC-UE) 的意外输出对癌症患者构成重大风险.
• 识别风险因素和开发预测工具对于提高瘤学环境中的患者安全至关重要.

研究的目的:

• 确定癌症患者中PICC-UE的独立风险因素.
• 开发和验证一个预测模型来预测PICC-UE在这个高风险人群中.

主要方法:

• 从PICC线路的癌症患者收集前性数据.
• 使用单变量,LASSO和多变量分析来识别风险因素.
• 开发并比较使用后勤回归,支持向量机和随机森林算法的预测模型,通过ROC和TOPSIS分析选择最佳模型.
• 使用独立的患者队列对所选模型进行外部验证.

主要成果:

• 鉴定了身体活动障碍,糖尿病,手术史,D-二次体升高,向治疗,手术治疗和多次导管穿孔作为PICC-UE的危险因素.
• 正常的BMI,聚氨导管材料和门导管被确定为保护因素.
• 支持矢量机器模型表现出卓越的性能,并经过外部验证,显示出卓越的准确性,稳定性和临床适用性.

结论:

• 在癌症患者中确定了PICC-UE的十个独立风险因素.
• 使用支持矢量机算法的验证预测模型为癌症患者的PICC-UE早期检测和预防提供了有价值的工具.
• 这些发现支持通过有针对性的干预措施改善患者安全和结果.