开发和验证基于EHR的风险预测模型,用于接受紧急和紧急手术的老年患者

科学领域:

• 老年人手术是一项老年人手术.
• 在医疗保健中的预测分析.
• 电子健康记录 (EHR) 的整合

背景情况:

• 在老年患者中评估手术风险是复杂的.
• 现有的预测模型不易与电子健康记录系统集成.
• 需要工具来总结患者特定的EHR数据以进行风险分层.

研究的目的:

• 开发和验证老年急诊外科 (AGES) 评价的评分.
• 预测经过紧急/紧急手术的老年患者30天重大术后并发症的风险.
• 为了利用手术前的EHR数据进行风险分层.

主要方法:

• 利用了66262名 (≥65岁) 接受紧急/紧急非心脏手术 (2017-2021) 的患者的EHR数据.
• 开发了使用后勤回归,LASSO,决策树,随机森林和XGBoost的预测模型.
• 使用接收器操作特征曲线下的面积 (AUCROC) 进行模型性能比较.

主要成果:

• 对于初级复合结果 (AUCROC 0.804),XGBoost模型显示了最高的性能.
• 对于败血症,XGBoost的AUCROC为0.823,对于功能衰竭为0.781,对于死亡率为0.839.
• 开发的模型使用EHR数据准确预测主要的术后并发症.

结论:

• 一个经过验证的模型准确地预测了经过紧急或紧急手术的老年患者的重大术后并发症.
• 该模型的EHR实施可以提高外科手术风险评估.
• AGES评分可以支持脆弱老年患者的术后决策.