概括
在大动脉置换 (AVR) 手术中预测红细胞 (RBC) 输血至关重要. 机器学习模型确定了关键的风险因素,改善了血液制备和患者护理.
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
- 输血医学 输血医学
背景情况:
- 全球血液短缺影响高风险手术.
- 准确预测输血需求对于资源管理和患者安全至关重要.
- 大动脉置换 (AVR) 与显著的出血风险有关.
研究的目的:
- 在接受AVR的患者中确定红细胞 (RBC) 输血的关键预测因子.
- 开发和验证一种机器学习模型,用于预测手术内红细胞输血需求.
主要方法:
- 利用了来自702名AVR患者的数据,以70/30的训练测试划分.
- 开发并比较了13个机器学习模型来预测红细胞输血.
- 采用了夏普利添加式解释 (SHAP) 来解释模型发现并确定重大风险因素.
主要成果:
- 后勤回归模型实现了0.872的曲线下面积 (AUC) 和81.0%的精度.
- 确定了红细胞输血的显著预测因素,包括女性性别,较低的血红蛋白和血红素,较低的体重,年龄较大,较低的体质血红蛋白,较高的总蛋白质,较高的纤维素,较短的身高和外科动脉置换 (SAVR).
结论:
- 开发的机器学习模型准确地预测了AVR患者的红细胞输血.
- 这些发现可以指导手术前的血液制品制备,减少浪费,并优化患者护理的临床决策.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
3.4K
