开发和验证基于机器学习的诺莫图谱,用于预测30天内非计划性重新手术后脊椎手术的预测
Hai-Yang Qiu1, Chang-Bo Lu1, Da-Ming Liu1
1Department of Orthopaedics, The First Affiliated Hospital of Air Force Medical University, Xi'an, Shanxi Province, China.
World neurosurgery
|October 21, 2024
概括
这项研究开发了一种预测模型,以识别高风险的患者进行非计划的复手术脊柱后手术 (URPS). 早期识别有助于外科医生预防并发症并改善患者的治疗结果.
科学领域:
- 脊柱手术的结果 脊柱手术的结果
- 机器学习在医学中的应用
- 对手术并发症的预测建模.
背景情况:
- 无计划的复手后脊椎手术 (URPS) 增加了医疗保健成本,并对患者的康复产生了负面影响.
- 为URPS开发准确的预测模型对于积极的手术规划和患者护理至关重要.
研究的目的:
- 开发和验证基于机器学习的预测模型 (nomograms),用于早期识别URPS风险因素.
- 协助脊椎外科医生实施有针对性的预防策略,并提高患者的治疗成果.
主要方法:
- 收集了从639名接受重新手术后脊柱手术的患者收集的数据.
- 利用机器学习算法 (LASSO,RF,SVM-RFE) 来识别关键的预测特征.
- 使用培训和验证队伍开发和验证了一个名ogram模型.
主要成果:
- 使用六个因素构建了一个名ogram模型:植入物,术后吸液排水,凝海绵,抗凝剂,抗生素和疾病类型.
- 该模型表现出强大的预测性能,AUC为0.829 (训练) 和0.854 (验证).
- 校准和决策曲线分析证实了该模型的临床实用性和准确性.
结论:
- 开发的诺米图有效预测脊柱手术患者URPS的风险.
- 这种工具可以帮助脊椎外科医生制定个性化的预防策略,以减少并发症并提高患者的满意度.
