使用机器学习的自由重建中血管并发症的预测
Ji-Jin Yang1,2, Yan Liang2, Xiao-Hua Wang1,3,4
1Nursing Department, Affiliated Hospital of Zunyi Medical University Zunyi, Guizhou, China.
American journal of translational research
|April 8, 2024
概括
这项研究确定了自由重建后血管并发症的关键风险因素. 神经网络模型有效预测这些并发症,有助于早期识别高风险患者.
科学领域:
- 整形外科 整形外科 整形外科
- 血管外科 血管外科
- 机器学习在医学中的应用
背景情况:
- 血管并发症是自由重建后的一个重大问题.
- 预测这些并发症对于改善患者治疗结果至关重要.
研究的目的:
- 在自由重建中识别血管并发症的危险因素.
- 开发一种基于机器学习的临床工具,用于预测这些并发症.
主要方法:
- 对570名接受自由重建的患者进行了回顾性审查.
- 统计分析以确定风险因素.
- 使用增强数据进行后勤回归,随机森林和神经网络模型的培训和评估.
主要成果:
- 在570名患者中,有46名患者经历了术后血管并发症.
- 神经网络模型实现了最高的性能 (AUC 0.828).
- 确定的危险因素包括血红蛋白,纤维素,手术持续时间,吸烟史,解和外周血管损伤.
结论:
- 手术前的血红蛋白和纤维素水平,手术持续时间,吸烟史和静脉是独立的风险因素.
- 机器学习模型,特别是神经网络,可以有效地预测血管并发症.
- 早期识别高风险患者可以改善预后并减少痛苦.
