在患有结直肠癌的老年患者中预测术后感染性并发症:基于改进的机器学习的研究

科学领域:

• 在瘤学瘤学.
• 手术并发症 手术并发症
• 机器学习在医学中的应用

背景情况:

• 结肠直肠癌 (CRC) 手术后的传染性并发症与增加的死亡率和不良预后有关.
• 在老年CRC患者中预测这些并发症对于改善术后结果至关重要.
• 炎症和营养标志物为预测建模提供了潜力.

研究的目的:

• 开发和验证一种改进的机器学习 (ML) 模型,用于预测老年患者CRC手术后的传染性并发症.
• 确定风险分层的关键炎症和营养指标.
• 为了比较新型MGA-XGBoost模型与传统ML算法的性能.

主要方法:

• 追溯分析了512名老年CRC患者的数据 (2018年3月至2022年4月).
• 数据分为培训和验证集;通过ROC曲线确定NLR,PLR,PNI,LCR,LMR的最佳切线.
• 构建和评估了7个ML模型,包括一个改进的MGA-XGBoost,使用AUC,准确性,精度,回忆和F1-score.

主要成果:

• 512名患者中有125名 (24%) 患有术后感染并发症.
• 确定了关键预测因素:ASA分数,手术时间,糖尿病,口腔,瘤位置,NLR,PLR,PNI,LCR和LMR.
• 在验证组中,MGA-XGBoost模型实现了最高的预测性能,AUC为0.862;LCR是最重要的内部特征.

结论:

• 结合10个风险因素的MGA-XGBoost模型显示了预测老年CRC患者手术后感染并发症的巨大潜力.
• 这项研究是MGA-XGBoost模型在这种特定的临床预测任务中的首次应用.
• 这些发现强调了将炎症和营养标志物与先进的ML整合在一起的实用性,以提高患者风险评估.