开发一种基于 LASSO 机器学习算法的模型,用于在肝切除术患者中预测术后痴呆症

科学领域:

• 肝胆道手术 肝胆道手术
• 关键护理医学 关键护理医学
• 医疗信息学 医疗信息学

背景情况:

• 手术后痴呆症 (POD) 是肝切除术后的一种严重并发症.
• 准确预测POD风险对于患者管理和资源分配至关重要.

研究的目的:

• 开发和验证用于预测肝切除术后 Delirium 风险的临床适用的 nomogram.
• 在肝切除术患者中确定与POD相关的独立风险因素.

主要方法:

• 使用最小绝对收缩和选择运营商 (LASSO) 回归来确定风险因素.
• 使用R软件开发和验证了一个名ogram模型.
• 接收器操作特征 (ROC) 曲线分析和决策曲线分析 (DCA) 用于性能评估.

主要成果:

• 确定的主要预测因素包括Ramelteon,年龄,性别,酒精使用,病毒状况,心血管疾病,ASA类,总胆红素,原血红素时间, laparoscopic方法和输血.
• 诺米图实现了0.854的曲线下的面积 (AUC),以实现预测准确度.
• 该模型在最佳切线时显示出高灵敏度 (91.9%) 和良好的特异性 (68.8%).

结论:

• 基于LASSO的回归有效地构建了一个预测肝切除术后 Delirium 的 nomogram.
• 开发的诺米图谱在临床上是有效的,并且对预测肝切除术患者的POD风险有用.