开发和验证基于机器学习的预测模型,用于外科手术后的疼痛风险,在提取受冲击的下第三牙后
Dongsheng Yu1, Zifeng Liu2, Weijie Zhuang1
1Hospital of Stomatology, Sun Yat-sen University, Guangdong Provincial Clinical Research Center of Oral Diseases, Guangdong Provincial Key Laboratory of Stomatology, Guangdong Key Laboratory for Dental Disease Prevention and Control, Guangzhou, China, No.56, Lingyuan West Road, Yuexiu District, Guangzhou City, Guangdong Province, 510030, China.
Heliyon
|December 11, 2023
概括
这项研究开发了一种机器学习模型,用于预测受影响下下第三抽取后的高术后疼痛风险. 这个工具有助于更好的疼痛管理和患者护理.
科学领域:
- 口腔和牙面部外科手术
- 医疗保健中的机器学习
- 疼痛管理研究 疼痛管理研究
背景情况:
- 预测受冲击下三提取后的术后疼痛对于临床决策和患者体验至关重要.
- 目前的方法在识别患有严重疼痛高风险的患者方面缺乏准确性.
- 开发一个准确的预测模型可以显著改善术后疼痛管理策略.
研究的目的:
- 开发和验证基于机器学习的预测模型,用于识别患有术后疼痛高风险的患者.
- 为了比较各种机器学习算法的疼痛预测性能.
- 提供一个工具,以加强临床决策在管理疼痛后第三牙提取.
主要方法:
- 一项前性队列研究,涉及接受受影响下第三骨提取的门诊患者.
- 定义高的术后疼痛风险作为数值评分表得分≥7在24小时内.
- 对比了九个机器学习算法,使用内部和时间序列外部数据集验证模型,评估AUC,准确性,灵敏度,特异性和F1值.
主要成果:
- 一个随机森林模型表现出强大的预测性能,在训练集上AUC为0.879,在时间序列验证集上为0.724.
- 确定的关键预测因素包括医生资格,患者疼痛敏感性,OHI-S-CI,BMI和静缩血压.
- 该模型在训练数据上实现了高灵敏度 (0.857) 和特异性 (0.846).
结论:
- 一个机器学习模型有效地预测了在受冲击的下第三骨提取后的术后疼痛风险.
- 开发的模型为优化疼痛管理策略提供了一个有希望的理论基础.
- 这种预测工具可以减少术后疼痛,改善患者的治疗结果.
