在老年人中确定患上术后全身炎症反应综合征的易感和高风险人群:基于机器学习的预测模型
Haiyan Mai1, Yaxin Lu2, Yu Fu1
1Department of Pharmacy, The Third Affiliated Hospital of Sun Yat-sen University, Guangzhou, China.
Journal of medical Internet research
|November 6, 2024
概括
一个随机的森林模型准确地预测了老年手术患者的系统性炎症反应综合征 (SIRS). 这种工具有助于识别高风险个体进行早期干预,改善患者的治疗结果.
科学领域:
- 老年医学 老年医学
- 计算医学是一种计算医学.
- 手术并发症 手术并发症
背景情况:
- 系统性炎症反应综合征 (SIRS) 是老年人的一种严重的术后并发症,随着年龄的增长而增加,并可能导致败血症或死亡.
- 早期识别SIRS风险对于实施及时,个性化的干预措施至关重要,以改善老年手术患者的预后.
- 机器学习 (ML) 模型对疾病预测和风险分层显示出希望,为开发先进的预测工具提供了潜力.
研究的目的:
- 开发和验证一个个性化的预测模型,用于识别容易患上术后SIRS的老年成人手术患者.
- 通过准确地分层患者的风险,使有针对性的早期干预成为可能.
- 加强临床决策,管理老年人群的术后SIRS.
主要方法:
- 从三个独立医疗中心 (2015年9月 - 2020年9月) 获取和分析了65岁或以上的手术患者的数据.
- 开发并比较了四种ML模型来预测术后SIRS,使用来自一个中心的训练集 (80%) 和内部验证集 (20%).
- 使用AUC,F1分数,Brier分数和校准曲线评估模型性能,在两个额外的数据集上外部验证最佳模型.
主要成果:
- 在各中心,SIRS的发病率各不相同 (6.5% - 29.6%).
- 确定了与SIRS显著相关的15个变量,并纳入了四个ML模型.
- 随机森林 (RF) 模型表现最好,在内部验证中达到0.751的AUC,在外部验证中达到0.759-0.804,具有平衡的灵敏度和特异性.
结论:
- 一个可通用的射频模型成功地开发和验证了用于预测老年成人手术患者的术后SIRS.
- 该模型使临床医生能够主动查和识别高风险患者,以便进行早期,个性化的干预.
- 创建了一个可访问的在线风险计算器,以促进麻醉科医生和其他医疗保健专业人员在全球范围内使用射频模型.
