开发用于预测术后BMI和优化减肥手术的预测模型:单一中心试点研究
Vincent Ochs1, Anja Tobler2, Julia Wolleb1
1Department of Biomedical Engineering, Faculty of Medicine, University of Basel, Allschwil, Switzerland.
概括
机器学习算法准确地预测体重指数 (BMI) 减肥手术后的变化,改善患者的护理. 一个网络工具为医疗保健专业人员提供了可访问的BMI预测.
科学领域:
- 腹部外科手术的结果
- 肥胖治疗方法 肥胖治疗方法
- 医疗保健中的机器学习
背景情况:
- 在减肥手术后预测手术后的体重指数 (BMI) 轨迹具有挑战性.
- 这种复杂性阻碍了个性化的手术前肥胖治疗策略.
- 准确的BMI预测对于有效的患者管理至关重要.
研究的目的:
- 开发和验证机器学习 (ML) 算法,用于预测高达5年的体重指数下降.
- 为医疗保健专业人员创建一个可访问的基于网络的计算器,以帮助规划和术后护理.
- 这项研究是第一个在这种情况下比较多种ML方法来预测BMI.
主要方法:
- 从2012年到2021年,对1104名接受减肥手术 (RYGB, SG) 的成年患者进行了回顾性审查.
- 纳入标准:手术前/手术后数据;排除:不完整的数据,怀孕,手术前BMI ≤30 kg/m2.
- 来自883名患者的数据用于模型培训和221名患者的评估.
主要成果:
- 开发的ML模型表现出可靠的预测能力,其根平均平方误差 (RMSE) 较低.
- RMSE值:2.17 (下一个BMI),1.71 (任何未来的BMI),3.49 (5年BMI曲线).
- 结果被整合到一个网络应用程序中,以加强临床决策.
结论:
- 机器学习具有显著的潜力,可以改善减肥手术的结果.
- 精确的BMI预测可以导致更个性化的干预策略.
- 基于ML的洞察力提高了肥胖管理中的整体医疗保健效率.
