基于肌肉相关参数的机器学习模型,用于预测在接受结直肠瘤切除手术的患者中诱导后低血压
Weixuan Sheng1, Danyang Gao1, Pengfei Liu1
1Department of Anesthesiology, Beijing Shijitan Hospital, Capital Medical University, Beijing, China.
Frontiers in medicine
|January 11, 2024
概括
机器学习可以准确地预测结直肠手术患者的诱导后低血压 (PIH). 该研究确定了年龄和BMI等关键变量,以帮助控制血压并降低PIH风险.
科学领域:
- 麻醉学 麻醉学
- 医疗信息学 医疗信息学
- 手术瘤学手术瘤学
背景情况:
- 诱导后低血压 (PIH) 是在全身麻醉下进行结直肠瘤切除的患者中常见的并发症.
- 确定PIH的预测因素对于改善患者的治疗结果和麻醉管理至关重要.
研究的目的:
- 开发和验证一种机器学习模型,用于在接受结直肠瘤切除的患者中预测PIH.
- 确定与PIH相关的关键临床和人口变量.
主要方法:
- 利用机器学习算法,包括Boruta用于特征选择和随机森林 (RF)用于预测,对318名患者的数据.
- 采用重复交叉验证和超参数优化来构建和选择最佳预测模型.
- 使用R2,平均绝对误差 (MAE),平均平方误差 (MSE) 和根平均平方误差 (RMSE) 评估模型性能.
主要成果:
- 通过Boruta查发现的关键预测变量包括年龄,性别,体重指数,L3骨肌指数和HUAC.
- 最优的射频模型实现了高性能,R2值为0.7708 (训练) 和0.7591 (测试).
- 该模型表现出强大的预测准确度和低误差率 (例如,测试组的MAE为0.0408).
结论:
- 一个高性能机器学习算法已成功开发和验证用于PIH预测.
- 该模型有助于控制重要的特征变量,从而减少手术患者PIH的发生.
- 这种方法为在麻醉诱导期间主动管理血压提供了有价值的工具.
