开发和验证基于机器学习的早期预测模型,用于初级肝癌患者手术内大量出血的早期预测模型
Jin Li1, Yu-Ming Jia1, Zhi-Lei Zhang1
1Department of Hepatological Surgery, The Fourth Hospital of Hebei Medical University, Shijiazhuang 050011, Hebei Province, China.
World journal of gastrointestinal oncology
|January 31, 2024
概括
一个新的模型预测了肝癌患者的手术内出血,使用,酒精史,TNM分期和白蛋白-白素分数. 这种工具有助于手术规划,并通过在手术前识别高风险个体来改善患者的治疗结果.
科学领域:
- 肝胆道手术 肝胆道手术
- 手术瘤学手术瘤学
- 医疗信息学 医疗信息学
背景情况:
- 手术切除是肝脏恶性瘤的主要治疗方法.
- 术后出血显著增加了这些患者的死亡风险.
- 准确预测出血对于有效的手术规划和患者安全至关重要.
研究的目的:
- 开发和验证初级肝癌患者手术期间出血的预测模型.
- 通过准确的出血风险评估,改善手术规划和患者的治疗结果.
主要方法:
- 对406名原发性肝癌患者 (2010-2020) 的回顾性分析.
- 后勤回归用于识别手术内出血的危险因素.
- 使用Python开发预测模型,并通过ROC曲线分析进行评估.
主要成果:
- 16.0%的患者经历了大量的手术内出血.
- 确定了关键预测因素: (OR: 22.8),酒精病史 (OR: 2.95),TNM分期 (OR: 2.44) 和白蛋白-白素得分 (OR: 2.36).
- 该模型的AUC为0.844 (训练集) 和0.80 (预测集).
结论:
- 一个经过验证的模型准确地预测了原发性肝脏恶性瘤中的显著的手术内流血损失.
- 该模型利用了四个术前临床因素:,酒精病史,TNM分期和白蛋白-白素得分.
- 这种工具可以增强肝癌患者的个性化手术规划.
