在门置换手术中预测手术内红细胞输血:基于非贫血队列的机器学习算法开发

科学领域:

• 心血管外科心血管外科
• 机器学习在医学中的应用
• 血液学 血液学 血液学

背景情况:

• 术内红细胞 (RBC) 输血是门置换手术期间的一个问题.
• 在非贫血患者手术前预测红细胞输血需求对于优化手术结果至关重要.
• 开发准确的预测模型可以帮助患者管理和资源分配.

研究的目的:

• 开发和评估机器学习算法,用于预测接受门置换手术的非贫血患者的红细胞输血.
• 确定影响红细胞输血需要的关键手术前因素.

主要方法:

• 利用了423名接受门置换手术的患者的数据集 (2015年1月至2020年12月).
• 采用了各种机器学习算法,包括决策树,随机森林,XGBoost,CatBoost,支持矢量分类器和物流回归.
• 使用AUC,准确性,回忆,精度和F1得分评估模型性能;用于模型可解释性的SHAP值.

主要成果:

• CatBoost算法实现了最高的预测性能,其AUC为0.752.
• 血红素,血红蛋白,ALT,纤维素和铁素被确定为前5个最有影响力的预测因子.
• 与物流回归 (AUC 0.666) 相比,CatBoost表现出更高的性能.

结论:

• 开发了有效的机器学习模型,用于预测非贫血置换患者的手术内红细胞输血风险.
• 确定了重要的手术前预测因素,这些预测因素可以为有针对性的干预提供信息,以潜在地降低输血率.