开发和验证一个机器学习模型,用于预测在动脉瘤下arachnoid出血术后的肺炎
Tong Wang1, Jiahui Hao1, Jialei Zhou1
1Department of Neurosurgery & Brain and Nerve Research Laboratory, The First Affiliated Hospital of Soochow University, Suzhou, Jiangsu Province, China.
Neurosurgical review
|September 23, 2024
概括
这项研究开发了一种术后肺炎的预测模型,用于患有动脉瘤下关节出血 (aSAH) 的患者. 该模型确定了关键的风险因素,以改善患者的治疗结果并降低死亡率.
科学领域:
- 神经外科 神经外科
- 关键护理医学 关键护理医学
- 流行病学 流行病学
背景情况:
- 手术后的肺炎 (POP) 是动脉瘤下关节出血 (aSAH) 手术后的常见并发症.
- 在aSAH患者中,POP显著恶化预后,并增加死亡率.
研究的目的:
- 开发和验证一个预测模型,用于识别患有aSAH后患上术后肺炎的高风险患者.
- 在这个患者群体中确定与POP相关的独立风险因素.
主要方法:
- 对308名接受手术的aSAH患者进行了回顾性分析.
- 使用单变量,多变量逻辑回归和LASSO回归来识别风险因素.
- 使用ROC曲线,校准曲线和决策曲线分析评估模型性能.
主要成果:
- 在队列中,POP的发病率为23.4%.
- 确定了年龄,亨特-赫斯等级,机械通风,白细胞计数,淋巴细胞计数和血小板计数作为POP的独立风险因素.
- 开发的预测模型在预测POP方面表现出高的有效性.
结论:
- 一个包含六个关键变量的新型预测模型有效地识别了aSAH患有POP风险的患者.
- 这种模型可以帮助早期干预和管理策略,以改善aSAH患者的治疗结果.
- 这些发现强调了监测aSAH中POP预测的特定临床和实验室参数的重要性.
