一种预测算法,用于术后并发症和脚关节切除术后的再入院
Akash A Shah1, Sai K Devana2, Changhee Lee3
1Department of Orthopaedic Surgery, David Geffen School of Medicine at UCLA, 10833 Le Conte Avenue, 76-116 CHS, Los Angeles, CA, 90095, USA. AAShah@mednet.ucla.edu.
概括
这项研究开发了一种预测模型,以识别关节关节切除手术后患并发症或再入院高风险的患者. XGBoost模型准确预测不良结果,有助于在手术前风险分层.
科学领域:
- 整形外科手术 整形外科手术
- 医疗信息学 医疗信息学
- 医疗保健服务研究 医疗服务研究
背景情况:
- 关节关节切除是治疗关节关节炎的常见手术.
- 目前,精确的手术前风险分层对于脚关节切除术是有限的.
- 开发可靠的预测模型对于患者管理至关重要.
研究的目的:
- 开发和验证一个预测模型,用于主要的外科手术后并发症或30天的再入院后脚关节切除.
- 为了确定关键的风险因素与关节关节切除后的不良结果相关.
- 为改善手术前患者风险评估提供一个工具.
主要方法:
- 对1084名接受脚关节切除 (2015-2017) 的成年患者进行了回顾性队列研究.
- 开发物流回归和机器学习 (ML) 模型,包括XGBoost.
- 模型歧视 (AUC) 和校准的评估;特征重要性分析.
主要成果:
- 12.1%的患者出现严重并发症或重新入院.
- XGBoost模型显示了最高的分辨率 (AUC=0.707) 和良好的校准.
- 关键预测因素包括糖尿病,周围血管疾病,教学医院状态,肥胖和感染史.
结论:
- 已经开发了一个精心校准的算法,用于预测关节关节切除术后的并发症和再入院.
- 这种预测工具可以帮助准确地分层患者的风险.
- 实施可能有助于减少重大不良事件的发生率.
更多相关视频
07:24Autologous Microfractured and Purified Adipose Tissue for Arthroscopic Management of Osteochondral Lesions of the Talus
Published on: January 23, 2018
10.4K
09:01Treatment of Ankle Osteoarthritis with Total Ankle Replacement Through a Lateral Transfibular Approach
Published on: January 24, 2018
11.8K
