机器学习方法来预测胰腺切除术后的胰腺切除术后的出血:一项回顾性研究

科学领域:

• 手术瘤学手术瘤学
• 医疗信息学 医疗信息学
• 预测分析是一种预测分析.

背景情况:

• 胰腺切除术后出血 (PPH) 是胰腺切除术 (PD) 后的一种严重并发症.
• 预测PPH对于改善患者治疗结果至关重要.
• 机器学习 (ML) 为PPH预测提供了一个潜在的解决方案.

研究的目的:

• 开发和评估一种机器学习模型,用于预测PD患者的PPH.
• 为了确定PPH的显著预测因素.

主要方法:

• 对284名接受开放PD的患者进行了回顾性分析.
• 使用自适应合成采样 (ADASYN) 来检测不平衡的数据.
• 使用PyCaret库进行ML模型选择和评估 (回忆,精度,F1分数).
• 使用测试数据和引导重新抽样 (n=1000) 验证模型性能.

主要成果:

• PPH发生在3.9%的患者中,平均发病时间为22天.
• 额外树木分类器实现了高性能 (回忆率为0.967,精度为0.914,F1为0.937).
• 模型验证证实了关键指标的持续性表现超过0.9.
• 峰值C反应蛋白 (前7天) 和手术前的中性粒细胞与淋巴细胞的比率是关键预测因素.

结论:

• 机器学习模型在PD后预测PPH方面表现有前途.
• 早期识别高风险患者可以指导干预并改善结果.