引入用于妄想预测的机器学习算法 - - 支持手术与GEriatric联合管理和AI项目 (SURGE-Ahead)
Samuel Benovic1,2, Anna H Ajlani3,4, Christoph Leinert1,2
1Institute of Geriatric Research, Ulm University Medical Center, Ulm, Germany.
Age and ageing
|May 22, 2024
概括
我们开发了一种机器学习模型,用于预测老年患者手术后妄想 (POD). 这种模型可以帮助识别有风险的个体,使预防策略能够获得更好的患者结果.
科学领域:
- 老年医学 老年医学
- 医疗保健中的人工智能
- 外科手术患者的安全
背景情况:
- 手术后妄 (POD) 是老年手术患者常见的并发症,影响14-56%的人.
- 早期识别POD高风险患者对于实施有效的预防措施至关重要.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测70岁及以上患者的POD.
- 该模型旨在通过识别有风险的个体来支持PAWEL (选择性手术中的患者安全,成本效益和生活质量) 项目.
主要方法:
- 使用了PAWEL研究中的878名患者的数据集,其中209人被诊断为POD.
- 15个特征,包括人口统计,并发症和认知评估,使用域名知识和递归特征消除进行了选择.
- 一个线性支持向量机 (SVM) 和后勤回归被训练并使用接收器操作员特征 (ROC) 分析进行评估.
主要成果:
- 线性SVM模型表现出强大的预测性能,在训练集中,曲线下的ROC面积 (AUC) 为0.82.
- 该模型在测试组中达到0.81的AUC,在跨中心验证中达到0.76,表明强大的概括性.
- 关键的预测特征包括ASA得分,多病症,认知评估子得分,脆弱性和术前药物使用.
结论:
- 已经开发了一个临床适用和可解释的ML模型来预测POD.
- 该模型旨在在支持手术与GEriatric联合管理和AI项目中部署,以加强外科手术期间的护理.
