在接受腹部手术的患者中,开发一种用于中静脉导管相关血栓的机器学习预测模型
Zirong Li1,2, Cheng Zhang1,2, Xiao Gan1,3
1Department of Nursing, the First Affiliated Hospital of Guangxi Medical University, Nanning, China.
Nursing in critical care
|January 15, 2025
概括
机器学习有效地预测了腹部手术患者的导管相关血栓形成 (CRT). 该模型有助于护士及时评估风险和有针对性的预防,增强关键护理.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
- 临床决策支持系统 临床决策支持系统
背景情况:
- 中枢静脉导管 (CVC) 是至关重要的,但存在导管相关血栓形成 (CRT) 的风险.
- CRT是一种严重的并发症,特别是在腹部手术患者中.
研究的目的:
- 开发和验证用于预测腹部手术患者CRT的机器学习模型.
- 改善临床决策和提高患者对心血管疾病中心的护理质量.
主要方法:
- 使用七个机器学习算法 (DT,ET,Ada Boost,GB,LGBM,KNN,RF) 进行模型构建.
- 用ROC曲线,AUC,精度,灵敏度,特异性和DCA用于性能和临床实用性评估.
- 数据被分为训练和验证集,使用R.的caret包.
主要成果:
- 决策树 (DT) 模型显示出平衡的性能,在验证集上AUC为0.782.
- 确定的重大风险因素包括放射治疗/化疗病史,年龄,移动性得分,保留时间,D-二次体,纤维素和尿素.
- 该研究包括400名受试者,CRT的发病率为46% (184例).
结论:
- 开发的机器学习模型证明了CRT在腹部手术患者中的良好的预测能力和临床适用性.
- 将这种风险预测模型集成到医院信息系统中,可以为护士提供及时评估和有针对性的预防策略.
- 这种方法对提高重症监护实践和CRT预防具有显著的临床价值.
