鉴定手术内低氧化和低蛋白血症作为透性泄漏后激进胃切除术的预后指标:使用机器学习技术进行了为期8年的多中心研究
Yuan Liu1, Songyun Zhao2, Xingchen Shang1
1Department of General Surgery, Wuxi People's Hospital Affiliated to Nanjing Medical University, Wuxi, China.
Frontiers in oncology
|December 12, 2024
概括
机器学习,特别是XGBoost,有效地预测胃癌手术后出现道泄漏的患者的死亡风险. 关键因素包括年龄,并发症和瘤特征,有助于个性化患者管理.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 外科手术的结果
背景情况:
- 肠道外泄 (AL) 仍然是胃癌胃切除术后的一个重要并发症,影响患者的预后.
- 尽管手术结果有所改善,但预测和管理AL诱导的死亡率至关重要.
研究的目的:
- 开发一种机器学习模型,用于识别AL胃切除术后AL患者死亡的高风险因素.
- 预测激进胃切除术后发生AL的患者的长期死亡率.
主要方法:
- 使用极端梯度提升 (XGBoost),随机森林 (RF) 和 k-最近邻居 (KNN) 算法.
- 评估了906名胃癌患者的36个特征变量.
- 采用k倍交叉验证和独立数据集来进行可靠的模型验证.
主要成果:
- 在AL患者中,XGBoost在1,3和5年死亡风险方面的预测性表现优异.
- 确定了关键的死亡预测因素:晚年,低蛋白质血,贫血,高血压,延长的手术时间,出血,低SPO2,晚期瘤阶段 (T3/T4),淋巴结入侵和PNI.
结论:
- XGBoost模型在预测胃切除术后AL患者的预后方面表现出色.
- 机器学习工具帮助临床医生识别个性化患者护理的预后因素.
