患有慢性中耳炎的患者的听力恢复预测,这些患者接受了道壁下垂乳房切除术

科学领域:

• 耳鼻喉科 耳鼻喉科 耳鼻喉科
• 医疗信息学 医疗信息学
• 医疗保健中的机器学习

背景情况:

• 慢性中耳炎影响全球2%的人口,导致严重的听力损失和降低生活质量.
• 慢性中耳炎患者的预测结果研究中存在一个差距,这些患者接受了通道壁下垂乳房切除术.

研究的目的:

• 开发和评估机器学习模型,用于预测慢性中耳炎患者的听力恢复,在道壁下降乳房切除术后.
• 为此预测任务确定最有效的机器学习算法.

主要方法:

• 利用了2007年3月至2020年8月期间治疗的298名患者的数据.
• 应用各种机器学习技术:物流回归,决策树,随机森林,SVM,XGBoost和轻 GBM.
• 使用PPV,灵敏度,F1得分,AUC-ROC和PR-AUC等指标评估模型性能.

主要成果:

• 轻GBM实现了0.6945的预测值 (PPV) 和0.7749.7的最高AUC-ROC.
• 决策树显示灵敏度为0.7574和F1得分为0.6751.
• XGBoost显示出最有效的PR-AUC曲线 (0.7196).

结论:

• 这项研究提出了第一个预测模型,用于慢性中耳炎患者接受道壁下垂乳房切除术.
• 机器学习在预测听力恢复结果方面显示出巨大的潜力.
• 研究结果可以为个性化治疗提供信息,并为这一群体增强患者护理.