使用机器学习预测头部和部自由患者的重新手术和再入院

科学领域:

• 手术瘤学手术瘤学
• 整形外科 整形外科 整形外科
• 机器学习在医学中的应用

背景情况:

• 头部和部 (HN) 自由重建是复杂的.
• 无计划的再入院和重新手术是HN手术后的重大问题.

研究的目的:

• 开发机器学习 (ML) 模型来预测30天的计划外再接收和重新操作.
• 利用人口统计学和外科外科因素进行预测.

主要方法:

• 从2012-2019年NSQIP数据库中提取数据.
• 在机器学习模型开发中使用极端梯度提升 (XGBoost).
• 使用2019年数据验证的模型.

主要成果:

• 再接收的ML模型:准确率为82%,灵敏度为63%,特异性为85%,AUC为0.78.
• 重新操作的ML模型:准确度为62%,灵敏度为51%,特异性为64%,AUC为0.58.
• 10.7%的患者经历了30天的再入院; 18.3%接受了重新手术.

结论:

• XGBoost有效地预测HN自由患者的再入院和再手术.
• 结果支持临床医生和患者之间的共享决策.
• 增强未来数据库数据收集的潜力.