通过机器学习和PREDICT-AVF网络应用程序预测放射头动脉静脉形成后的反复干预
Patrick Heindel1,2, Tanujit Dey2, James J Fitzgibbon1,2
1Division of Vascular and Endovascular Surgery, Department of Surgery, Brigham and Women's Hospital, Harvard Medical School, Boston, MA, USA.
The journal of vascular access
|December 25, 2023
概括
一个新的工具预测了无线脑动脉静脉 (AVF) 干预需求,帮助末期病患者共同决策. 这有助于将治疗与病结果质量倡议指南保持一致.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 血管外科 血管外科
- 医疗信息学 医疗信息学
背景情况:
- 病结果质量倡议 (KDOQI) 准则建议限制获取救援干预措施.
- 预测放射性脑动脉静脉 (AVF) 的干预要求对于适当的接入选择和以患者为中心的护理至关重要.
研究的目的:
- 开发一个预测工具,用于放射性AVF干预需求.
- 根据预测的结果,支持关于AVF适当性的共享决策.
主要方法:
- 对914名接受放射性头脑AVF创建的患者进行前性队列研究.
- 使用了基线临床数据和术后超声波测量.
- 开发并比较了Cox的比例危险,随机生存森林,合并后勤和弹性网模型.
主要成果:
- 患者在第一年需要平均1.04次干预.
- 使用基线数据的随机生存森林模型实现了0.75.5的AUROC.
- 结合手术后超声波数据的考克斯模型显示出最好的歧视 (AUROC 0.77在4-6周).
结论:
- 在PREDICT-AVF网络应用程序提供患者特定的预测.
- 该工具促进了与指导方针一致的共享决策,用于末期病管理.
- 支持以患者为中心的血管接入规划方法.


