在患有脊椎骨质炎和椎间盘炎的患者中,手术与非手术干预的临床预测

科学领域:

• 脊柱外科手术 脊柱外科手术
• 传染性疾病 传染性疾病
• 机器学习在医学中的应用

背景情况:

• 脊椎骨质炎和椎间盘炎 (VOD) 是一种脊髓感染,通常需要手术干预.
• 及时管理对于预防VOD患者的不良结果至关重要.

研究的目的:

• 开发一种机器学习 (ML) 模型,以预测 VOD 患者在同一住院期间需要进行手术的需要.
• 为了区分需要手术和非手术治疗的VOD患者.

主要方法:

• 从2015年至2019年对成年VOD患者 (ICD-10代码M46.2-5) 的回顾性研究.
• 候选预测因素包括人口统计学,并发病,实验室值,生命体征,并承认诊断.
• 训练和测试了XGBoost,后勤回归和K-邻居分类器.

主要成果:

• 在1111名患者中,30%接受了手术;种族在各组之间存在显著差异.
• 顶级XGBoost预测因素:发烧,阴性培养, *黄金葡萄球菌*, PaO2:FiO2,脊髓内,败血症,种族, I型热素, AFB培养, A-a梯度.
• 在XGBoost模型中,获得精度=0.7534,灵敏度=0.7436,特异性=0.7586,AUC=0.8210.

结论:

• 使用可访问的患者数据,XGBoost模型有效地预测VOD的手术干预.
• 模型的可解释性为患者的结果提供了洞察力.
• 这种ML工具可以指导临床决策并优化医院资源配置.