吸入氧化治疗预测器的机器学习分析 时间管理 后先天性心脏病手术:单中心观察性研究
Shuhei Niiyama1, Takahiro Nakashima2, Kentaro Ueno3
1Department of Emergency and Intensive Care Medicine, Kagoshima University Hospital, Kagoshima, JPN.
Cureus
|July 31, 2024
概括
机器学习可以准确地预测哪些患有先天性心脏病的儿童在手术后需要长期吸入氧化 (iNO). 关键因素包括心肺绕道,大动脉紧时间,进出平衡和乳酸水平,有助于更好地管理患者.
科学领域:
- 儿童心脏病学 儿童心脏病学
- 关键护理医学 关键护理医学
- 医疗信息学 医疗信息学
背景情况:
- 先天性心脏病 (CHD) 可以导致术后肺高血压 (PH).
- 吸入的氧化 (iNO) 对于儿童心脏手术患者的PH管理至关重要.
- 长期使用iNO有时是必要的,但需要谨慎管理以避免并发症.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,以预测长期吸入氧化 (iNO) 给儿科患者的需要.
- 确定与在重症监护室 (ICU) 长时间使用iNO相关的关键临床和外科因素.
主要方法:
- 使用AutoGluon开发了一种ML算法,用于预测需要iNO超过168小时的患者.
- 分析了34名接受心脏病开放性手术的儿科患者的数据.
- 评估了16个特征,用AUC和训练 (80%) 和测试 (20%) 队列中的准确性来评估模型性能.
主要成果:
- 在训练和测试队列中,ML模型实现了完美的分类 (AUC=1.00,精度=1.00).
- 心肺绕道 (CPB),大动脉紧时间,输出液平衡和乳酸水平被确定为长期iNO需求的四个最重要的预测因素.
- 在34名患者中,6名患者需要iNO超过168小时.
结论:
- 机器学习有效地预测了儿科心血管疾病手术患者长期iNO的需求.
- CPB,大动脉紧时间,进出平衡和乳酸是影响长时间iNO的关键因素.
- 这种预测模型可以增强患者管理策略,潜在地预防PH复发并改善结果.
