- 一个机器学习模型,用于预测下肢骨折手术后的手术部位感染
Jose M Gutierrez-Naranjo1, Alvaro Moreira2, Eduardo Valero-Moreno3
1Department of Orthopaedics, UT Health San Antonio, San Antonio, TX, 78229-3900, USA. jmgutierrezn@gmail.com.
International orthopaedics
|May 3, 2024
概括
机器学习确定了手术室时间和BMI等关键因素,以预测下肢骨折患者的手术部位感染. 这有助于风险分层和积极预防术后并发症.
科学领域:
- 整形外科手术 整形外科手术
- 数据科学数据科学数据科学
- 预防传染病 预防传染病
背景情况:
- 手术部位感染 (SSI) 是下肢骨折手术后的一个重要并发症.
- 准确的风险分层对于实施有针对性的预防策略至关重要.
研究的目的:
- 开发和评估机器学习算法,以确定下肢骨折患者手术后SSI的预测因素.
- 为SSI的风险分层创建一个预测模型.
主要方法:
- 机器学习分析对1579名患者的数据集进行了分析,这些患者接受了下肢骨折的手术固定.
- 四个模型 (神经网络,增强的通用线性模型,天真的贝叶斯模型,处罚的歧视分析) 被训练并使用AUC,Youden指数和Brier分数进行评估.
- 多变量适应回归线 (MARS) 用于预测器选择.
主要成果:
- 最终的预测模型结合了五个关键预测因素:手术室时间,脚区域,开放损伤,体重指数和年龄.
- 性能最好的机器学习算法在ROC曲线下的面积为77.8%,Youden指数为62.5%,Brier分数为5.1%-5.6%.
结论:
- 开发的预测模型有效地识别了SSI的高风险因素,帮助外科医生并赋予患者预防能力.
- 该模型可以指导实施预防措施,以减少术后并发症并改善患者的治疗结果.
- 建议使用更大的数据集进行进一步验证,以确认模型的可靠性和适用性.
