机器学习模型的开发和验证,用于在严重的腰椎间盘的手术内输血预测
Qiang Liu1, An-Tian Chen2,3, Runmin Li4
1Department of Orthopedics, Xianyang Central Hospital, Xianyang, Shannxi, China.
iScience
|December 2, 2024
概括
预测在腰椎间盘 (LDH) 患者进行后腰椎间体融合 (PLIF) 的手术内输血至关重要. 一个机器学习模型实现了高准确度,有助于临床决策和改善患者管理.
科学领域:
- 神经外科 神经外科
- 整形外科手术 整形外科手术
- 医疗信息学 医疗信息学
背景情况:
- 腰椎间盘 (LDH) 经常导致腰部疼痛和 sciatica.
- 后腰间体融合 (PLIF) 是LDH的标准手术治疗方法.
- 准确预测手术内输血需求对于患者安全和PLIF程序中的资源管理至关重要.
研究的目的:
- 开发和验证一个预测模型,用于手术内输血的患者接受PLIF为LDH.
- 确定影响输血要求的关键因素.
- 为临床医生提供一个实用的工具,以帮助在手术规划和患者护理.
主要方法:
- 一项多中心的回顾性研究,涉及来自中国22个医疗中心的6241名患者.
- 使用了8种特征选择方法和10种机器学习模型,包括一个集成堆叠模型.
- 根据接收器运行特征曲线下的面积 (AUC),临床适用性和计算效率选择了最佳模型.
主要成果:
- 模拟回火支向量机递归+堆叠模型的模拟回火支向量机表现出最高的预测性能,AUC为0.884.
- 该模型显示了强大的校准和决策曲线分析,表明了临床效用.
- 基于最佳模型创建了一个公开可访问的网络计算器.
结论:
- 开发的机器学习模型显著提高了对接受PLIF的LDH患者手术内输血的预测.
- 网络计算器为临床医生提供了一种有价值,易于使用的工具,以改善患者管理和手术结果.
- 这项研究提供了一种数据驱动的方法,以优化脊髓融合手术中的输血策略.
