预测脑瘤切除后的术后运动功能,使用动力唤起的潜能监测,使用决策树分析
Takeo Yuno1, Yusuke Nakade1, Mitsutoshi Nakada2
1Department of Clinical Laboratory, Kanazawa University Hospital, Kanazawa, JPN.
Cureus
|December 23, 2024
概括
一个新的决策树 (DT) 模型使用神经外科患者的运动唤起潜力 (MEP) 监测数据改善了术后的预测. 这种DT模型比预测运动功能结果的传统方法提供了更高的准确性.
科学领域:
- 神经外科 神经外科
- 神经学 神经学
- 医疗信息学 医疗信息学
背景情况:
- 运动唤起潜力 (MEP) 监测在神经外科手术中至关重要,以防止运动功能障碍.
- 目前的MEP监测方法在预测手术后时的准确性较低.
- 需要改进术后运动功能的预测模型.
研究的目的:
- 开发和验证一个决策树 (DT) 模型,用MEP监测数据来预测术后运动功能.
- 为了比较DT模型的预测性能与传统的接收机运行特征 (ROC) 曲线分析.
主要方法:
- 这是一项回顾性队列研究,涉及125名接受脑瘤切除和手术内MEP监测的患者.
- 使用决策树 (DT) 和接收器操作特征 (ROC) 曲线分析开发预测模型.
- 使用包含14个变量的数据集进行内部和外部验证,并对28名额外的患者进行外部验证.
主要成果:
- DT模型实现了高的内部验证性能:准确度为0.921,灵敏度为0.917,特异性为0.923,AUC为0.931.
- 最后测量的MEP振幅和振幅比被确定为结果的独立预测指标.
- 外部验证证明了DT模型在精度,灵敏度,特异性和kappa系数方面优于ROC曲线的切断值.
结论:
- 决策树 (DT) 建模显示,在神经外科患者中准确预测术后方面,有显著的前景.
- 与传统的ROC曲线分析相比,DT模型为MEP监测数据提供了更强大的方法.
- 这种DT建模方法可以通过改善术后运动功能的预测来增强治疗策略.
