优化婴儿水头发症的分流性能水平的数量和范围:一种机器学习分析
Mark Graham Waterstraat1, Arshia Dehghan1, Seifollah Gholampour1
1Department of Neurological Surgery, University of Chicago, Chicago, IL, United States.
Frontiers in bioengineering and biotechnology
|April 2, 2024
概括
使用机器学习优化婴儿水脑病的冲动的性能水平,可以改善手术结果. 这项研究确定了四个最佳的排水压力范围,以提高儿童的分流手术疗效.
科学领域:
- 神经外科 神经外科
- 儿科神经学 儿科神经学
- 生物医学工程 生物医学工程
背景情况:
- 路线外科手术是儿科水头的主要治疗方法,但结果,特别是婴儿,仍然具有挑战性.
- 精确调整分流的性能对于成功治疗至关重要,但的性能存在差异.
- 婴儿水头带来了独特的挑战,需要优化道门设置.
研究的目的:
- 为了优化婴儿水头的门性能水平的数量和范围.
- 通过标准化门性能来改善分流手术的结果.
- 为儿科患者提供基于证据的推,以调节分流的压力.
主要方法:
- 一个单中心队列研究的婴儿水脑病患者接受初始的分流手术.
- 无监督的等级机器学习用于集群排水压力值.
- 使用Silhouette,Davies-Bouldin和Jaccard指数进行分析,以确定最佳集群数量和稳定性.
主要成果:
- 机器学习确定了四个最佳集群,对应于四个门性能水平.
- 四个性能级别的配置显示出优异的集群内部相似性 (Silhouette系数) 和集群间不相似性 (戴维斯-博尔丁指数).
- 集群稳定性分析 (贾卡德指数为71%) 证实了4性能水平的研究结果的稳定性.
结论:
- 这项研究建议婴儿水脑的排水压范围优化为1.5-5.0,5.0-9.0,9.0-15.0和15.0-18.0厘米的H2O.
- 这些优化的范围可能有助于神经外科医生提高水脑的婴儿的临床结果.
- 通过数据驱动的方法来标准化门性能水平,可以带来更好的分流手术结果.
