预测模型下极端深静脉血栓在胃癌的激进胃切除术后:基于多种机器学习方法
Haiyan Zhou1, Yongyan Jin1, Guofeng Chen2
1Nursing Department, The Second Affiliated Hospital, Zhejiang University School of Medicine, Hangzhou, 310000, Zhejiang, China.
Scientific reports
|July 8, 2024
概括
一个新的模型有效地预测了手术后胃癌患者的深静脉血栓形成 (DVT). 它确定了关键的风险因素,如年龄和D-二次体水平,有助于早期干预和改善患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 血管外科 血管外科
- 医疗信息学 医疗信息学
背景情况:
- 手术后的静脉血栓栓塞事件 (VTE),特别是深静脉血栓塞 (DVT),对经过激进胃切除术的胃癌 (GC) 患者构成重大风险.
- 有效预测和管理VTE对于优化患者护理和这一群体的结果至关重要.
研究的目的:
- 开发和验证一个预测模型,用于识别在GC激进胃切除术后患下肢DVT高风险的患者.
- 确定有助于预测GC患者手术后DVT的关键临床指标.
主要方法:
- 一项回顾性病例控制研究,涉及693名经过激进胃切除术的GC患者.
- 使用单变量逻辑回归来识别潜在的风险因素,然后使用Boruta算法来选择特征.
- 开发了一个使用多变量物流回归的预测模型,并通过ROC曲线分析,校准图表和决策曲线分析评估了其性能. 还使用了机器学习技术.
主要成果:
- 确定了六个对DVT预测的显著临床因素:年龄,D-二次数水平,低密度脂蛋白,CA125,和离子水平.
- 开发的名图表显示出高的预测准确性,在训练组中,曲线下的面积 (AUC) 为0.936,在验证组中为0.875.
- 机器学习算法和门德尔随机化 (MR) 分析证实了该模型的强大预测能力,并确定了因果关系.
结论:
- 使用机器学习方法开发了一种有效的术后下肢DVT预测诊断模型,用于GC患者.
- 该模型具有出色的预测价值,并作为临床医生在识别和管理血栓风险方面的一种有价值的工具.
- 这种方法促进了主动管理策略,以减轻GC患者胃切除术后的DVT并发症.
