对动脉静脉瘤预测模型的系统审查:风险得分和机器学习方法
Lingyan Meng1, Pei Ho1,2
1Department of Surgery, Yong Loo Lin School of Medicine, National University of Singapore, Singapore.
The journal of vascular access
|April 24, 2024
概括
血液透析动脉静脉囊 (AVF) 成熟和通透率的预测模型显示出希望,但需要进一步验证. 许多模型在外部队列中存在偏差和性能降低的高风险,限制了它们的临床实用性.
科学领域:
- 血管外科 血管外科
- 腎臟病學 (nephrology) 是一種醫學專業.
- 生物统计学 生物统计学
背景情况:
- 血液透析创建动脉静脉 (AVF) 对末期病患者至关重要.
- 未成熟和早期狭窄是影响AVF成功的重大挑战.
- 预测模型旨在识别影响AVF成熟和通透性的因素.
研究的目的:
- 审查现有的AVF成熟和通透性的预测模型.
- 评估风险评分和机器学习模型的性能和质量.
- 确定当前预测策略的局限性和改进领域.
主要方法:
- 在PubMed,Scopus和Embase数据库中的系统文献搜索.
- 使用预测模型风险偏差评估 (PROBAST) 工具对包含的研究进行质量评估.
- 提取和分析模型性能指标,包括歧视 (C统计) 和校准.
主要成果:
- 包括14项研究,其中7项使用风险评分,7项使用机器学习.
- 发现存在高偏差风险 (12项研究) 和适用性问题 (6项研究).
- 模型在他们的发展队列中表现出令人满意的表现 (C统计学风险分数为0.70-0.886,ML为0.80-0.85).
- 一个风险评分的外部验证表明性能明显降低 (C统计:0.519-0.53).
结论:
- 现有的AVF成熟/耐药性的预测模型报告不足,并表现出方法上的局限性.
- 虽然模型在它们的原始种群中表现良好,但偏差的高风险和缺乏强大的外部验证阻碍了概括性.
- 需要进一步的研究来开发和验证AVF成功的可靠预测模型.
