利用机器学习开发一个术后预测模型,用于腰椎手术后的术后尿
Samuel L Malnik1, Ken Porche2, Yusuf Mehkri2
1Department of Neurosurgery, Barrow Neurological Institute, St. Joseph's Hospital and Medical Center, Phoenix, AZ, United States.
Frontiers in neurology
|July 11, 2024
概括
这项研究开发了一种决策树模型,用于预测腰椎手术后的术后尿 (POUR). 该模型准确识别高,中等或低风险的患者,有助于更好地管理患者.
科学领域:
- 神经外科 神经外科
- 麻醉学 麻醉学
- 医疗信息学 医疗信息学
背景情况:
- 手术后的尿 (POUR) 是腰椎手术后的常见并发症.
- 贫困增加了患者的发病率和医疗保健成本.
- 需要对POUR进行预测模型,以改善患者的治疗结果.
研究的目的:
- 开发和验证腰椎手术后POUR的预测模型.
- 为了利用患者的人口统计学,手术和麻醉变量进行预测.
- 将患者的风险分类为高,中等或低.
主要方法:
- 对903名经历腰椎手术的患者进行了回顾性观察队列研究.
- 收集了419个变量,包括人口统计和手术内因素.
- 比较了LASSO回归和后勤回归;安装了一个决策树模型.
主要成果:
- 这项研究包括903名患者 (平均年龄60岁,53%是男性).
- POUR的发病率为26% (235名患者),其中7%需要导管.
- 决策树模型在预测POUR时达到87.8%的准确性.
结论:
- 开发了一种高度准确且易于实施的决策树模型,用于在腰椎手术后预测POUR.
- 该模型使用了手术前和手术内变量.
- 这种工具可以帮助积极管理患有POUR风险的患者.
