机器学习与临床和手术内生物信号数据用于预测心脏手术后的术后狂妄症
Changho Han1, Hyun Il Kim2, Sarah Soh2
1Department of Biomedical Systems Informatics, Yonsei University College of Medicine, Yongin, Republic of Korea.
iScience
|May 27, 2024
概括
机器学习模型可以使用手术内生物信号预测心脏手术后的妄想. 这些信号和患者数据的关键特征改善了早期风险识别以预防妄想.
科学领域:
- 医疗信息学 医疗信息学
- 心血管外科心血管外科
- 神经科学是一个神经科学.
背景情况:
- 妄想是一种常见的心脏手术后的并发症.
- 早期识别高风险患者对于妄预防策略至关重要.
研究的目的:
- 开发和验证用于预测心脏手术后妄想的机器学习模型.
- 为了确定关键的手术内生物信号特征预测狂妄.
主要方法:
- 利用了1,912名心脏手术患者的回顾性数据.
- 开发了一个软投票组合机器学习模型,结合了新的手术内生物信号特征.
- 从前性验证了该模型,使用了另外202名患者的数据.
主要成果:
- 机器学习模型在前性验证中实现了高预测性能 (AUC=0.887,精度=0.881).
- 沙普利添加剂扩展确定了几个手术内生物信号特征作为非常重要的预测因素.
- 从生物信号中提取了反映患者状态,手术期间条件和节奏变化的新特征.
结论:
- 使用手术内生物信号的机器学习模型可以准确地预测心脏手术后的心脏错觉.
- 以生物信号监测为指导的手术期间的患者管理对于预防妄想至关重要.
- 这种方法使得有针对性干预的风险患者的早期识别成为可能.
