用机器学习方法进行椎手术的患者在医院的额外住院日的预测
Bin Zhang1,2, Shengsheng Huang1, Chenxing Zhou1
1Spine and Osteopathy Ward, The First Affiliated Hospital of Guangxi Medical University, Nanning, China.
Computer assisted surgery (Abingdon, England)
|June 11, 2024
概括
这项研究开发了一种机器学习 (ML) 模型,用于预测宫脊髓炎 (CS) 患者接受手术的额外住院日 (AHD). 该模型准确地识别风险因素,有助于更好的患者护理和资源管理.
科学领域:
- 整形外科 整形外科 整形外科
- 神经外科 神经外科
- 医疗信息学 医疗信息学
背景情况:
- 医疗保健中的机器学习 (ML) 通过分析数据来提高患者的治疗结果.
- 宫脊椎病 (CS) 管理需要预测住院时间 (LOS).
- 准确预测额外的住院日 (AHD) 对于资源分配和患者护理至关重要.
研究的目的:
- 开发一种基于ML的诺姆图模型,用于预测CS患者接受手术时的AHD.
- 确定影响AHD的关键临床和人口风险因素.
- 通过准确的LOS预测,改进外科手术期间的治疗策略.
主要方法:
- 利用了945名接受椎脊椎手术的CS患者的数据.
- 采用了ML算法 (Lasso,RF,SVM-RFE) 来识别AHD风险因素.
- 使用九个重要的交叉因子构建了一个名图,用于AHD预测.
主要成果:
- 确定了25个显著的AHD风险因素,其中9个用于名图:性别,年龄,BMI,ASIA分数,MRI T2WIHS,手术段,手术内出血,排水量和糖尿病.
- 获得了一个AUC为0.753 (培训) 和0.777 (验证) 的名ogram.
- 通过校准曲线和DCA证明了令人满意的校准和临床效用.
结论:
- 成功开发了一种基于ML的名谱,用于预测CS患者接受手术时的AHD.
- 该模型有助于临床医生识别患有长期住院风险的患者.
- 这些发现支持加强外科手术前治疗规划和资源管理.
