绘制用于预测手术过程中输血的机器学习模型的景观:一个范围审查
Olivier Duranteau1,2,3, Florian Blanchard4, Benjamin Popoff5,6
1Anesthesiology Department, Hôpital Erasme, Route de Lennik 808, Anderlecht, Bruxelles, 1070, Belgium. olivier.duranteau@hubruxelles.be.
BMC medical informatics and decision making
|October 26, 2024
概括
机器学习模型可以预测手术中的输血风险. 这次审查分析了40项研究,确定了关键变量和方法,但呼吁对输血医学中的机器学习模型进行更透明的报告.
科学领域:
- 医疗信息学 医疗信息学
- 手术瘤学手术瘤学
- 血液学 血液学 血液学
背景情况:
- 大规模输血协议在手术中至关重要,但确定输血需求是具有挑战性的.
- 机器学习 (ML) 提供了预测输血风险的潜力,指导临床决策.
研究的目的:
- 对用于预测手术过程中输血风险的机器学习模型进行范围审查.
- 总结现有的ML模型中用于输血风险预测的方法,变量和软件.
- 为临床医生提供有关该领域当前状况和未来方向的信息.
主要方法:
- 对来自Cochrane,Embase和PubMed数据库的研究进行范围审查.
- 包括关于输血,统计模型和外科手术程序的同行评审文章.
- 不包括文献评论,案例报告和非人类研究.
主要成果:
- 四十项研究符合纳入标准,使用各种生物变量 (例如血红蛋白,血小板,INR,aPTT) 和临床变量 (例如年龄,手术类型,ASA状态,血液损失).
- Python,R,SPSS和SAS是常见的软件工具,后勤回归是主要的方法.
- 在研究中观察到方法,变量和软件报告中的显著异质性.
结论:
- 机器学习模型在预测手术输血风险方面表现有前途.
- 迫切需要改进报告标准,透明度和对输血医学ML模型代码的开放访问.
- 未来的研究应该优先考虑这些预测模型的可重复性和临床实用性.
