机器学习分类器的评估,用于预测非心脏手术中的手术内输血
Insun Park1, Jae Hyon Park2, Jongjin Yoon3
1Department of Anesthesiology and Pain Medicine, Seoul National University Bundang Hospital, Seongnam, Republic of Korea.
概括
机器学习模型可以预测非心脏手术中的手术内输血. 后勤回归实现了最高的准确性,使用操作时间和血红蛋白水平等因素.
科学领域:
- 医疗信息学 医疗信息学
- 手术瘤学手术瘤学
- 医疗保健中的机器学习
背景情况:
- 术内输血在非心脏手术中很常见.
- 在手术前预测输血需求可以优化资源配置和患者管理.
研究的目的:
- 开发和比较机器学习 (ML) 分类器,用于预测手术内输血.
- 确定影响输血要求的关键手术前因素.
主要方法:
- 利用VitalDB数据库中的6255名患者的手术前数据.
- 开发了五个ML分类器:物流回归,随机森林,AdaBoost,梯度提升和XGBoost.
- 使用接收器操作特征 (AUROC) 曲线下的面积评估分类器性能.
主要成果:
- 5%的患者需要手术期间输血.
- 后勤回归分类器实现了最高的AUROC (0.836),超过了传统的多变量模型 (0.623).
- 关键预测因素包括手术时间,手术前血红蛋白和开放手术类型.
结论:
- 机器学习分类器可以有效地预测使用手术前数据的手术内输血需求.
- 后勤回归证明了这一预测任务的卓越性能.
- 这种方法可以帮助在非心脏手术的手术前规划.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.7K
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
3.4K
