在剖腹产痕外胎妊娠手术期间发生手术内出血的风险:开发和验证可解释的机器学习预测模型

科学领域:

• 产科和妇科 产科和妇科
• 医疗信息学 医疗信息学
• 医疗保健中的机器学习

背景情况:

• 目前对CSEP手术内出血的预测模型有限.
• 需要可解释的机器学习模型来评估CSEP中的出血风险.

研究的目的:

• 开发一种可解释的机器学习模型,用于预测CSEP的手术内出血风险.
• 在外部验证模型并将其部署用于临床应用.

主要方法:

• 多中心回顾性研究,使用来自1680名CSEP患者的EMR数据.
• 使用随机森林,拉索,博鲁塔和XGBoost进行变量选择.
• 使用了八种ML方法,具有十倍的交叉验证和DCA用于模型选择.

主要成果:

• 开发了一个具有9个变量的最佳预测模型 (贝叶斯模型).
• 获得了高精度 (0.879内部,0.936外部) 和AUC (0.882内部,0.853外部).
• 模型在内部和外部验证中表现出强的表现.

结论:

• 开发的ML模型准确地预测了CSEP的手术内出血风险.
• 网络部署的模型支持术前评估和临床决策.
• 未来的研究应该前性验证该模型的适用性.