应用机器学习算法来预测手术后手术部位感染和手术部位发生的情况,在 inguinal hernia 手术后

科学领域:

• 医疗信息学 医疗信息学
• 手术结果研究研究.
• 医疗保健中的机器学习

背景情况:

• 手术部位感染 (SSI) 和手术部位发生 (SSO) 是选择性开放 inguinal 手术后的重大并发症.
• 准确预测这些事件对于患者管理和资源分配至关重要.

研究的目的:

• 开发和验证用于预测SSI和SSO的机器学习 (ML) 算法.
• 创建可访问的在线工具,用于对接受 inguinal hernia 修复的患者进行风险评估.

主要方法:

• 评估了五种ML算法 (通用线性模型,随机森林,支持向量机器,神经网络,梯度增强机器).
• 分析了491名接受选择性开放 inguinal 手术的患者队列.
• 模型性能使用接收机操作特征 (ROC) 曲线进行评估.

主要成果:

• SSI的发生率为4.68%,SSO的发生率为13.44%.
• 关键的SSI预测因素包括糖尿病,复发,抗生素预防和手术持续时间.
• 随机森林模型显示了最高的预测准确性 (SSI AUC=0.849,SSO AUC=0.740).
• 为SSI和SSO风险预测开发了在线计算器.

结论:

• ML算法可以有效地预测SSI和SSO在开放 inguinal 的手术后.
• 开发的预测模型和在线计算器可以帮助临床医生选择治疗和患者咨询.