脑瘤手术后常规ICU监测:使用机器学习进行患者选择
Jan-Oliver Neumann1, Stephanie Schmidt1, Amin Nohman1
1Department of Neurosurgery, University Hospital Heidelberg, 69120 Heidelberg, Germany.
Journal of clinical medicine
|October 16, 2024
概括
机器学习可以预测脑瘤手术后的不良事件,可能减少不必要的重症监护室 (ICU) 住院. 该工具有助于优化ICU资源使用,同时确保患者的安全.
科学领域:
- 神经外科 神经外科
- 机器学习在医学中的应用
- 关键护理医学 关键护理医学
背景情况:
- 在脑瘤手术后入院的常规重症监护病房 (ICU) 可能不对所有患者都是必要的.
- 开发预测工具可以帮助识别真正需要ICU监测的患者.
研究的目的:
- 创建一个基于机器学习的风险预测仪器,用于脑瘤切除后的早期术后不良事件 (24小时内).
- 通过识别可以安全避免常规ICU入院的患者,优化ICU资源配置.
主要方法:
- 对1000名接受选择性脑瘤切除的成年患者的回顾性分析.
- 使用一个梯度增强算法 (XGBoost),对27个潜在的预后特征进行训练.
- 进行了交叉验证 (5x5),以评估模型性能,包括ROC-AUC和PR-AUC.
主要成果:
- 该预测模型使用手术前和术后数据实现了0.81±0.02的交叉验证ROC-AUC.
- 仅使用手术前的数据,ROC-AUC为0.76±0.02.
- 该模型展示了将ICU入院率降低到15%的潜力,同时保持至少95%的负预测值 (NPV).
结论:
- 基于增强决策树的风险预测工具可以有效支持临床决策.
- 在不影响患者安全的情况下,优化ICU资源利用是可以实现的.
- 这种方法可以显著减少基于监视的ICU入院.
