胸部创伤住院患者静脉血栓栓塞的风险预测模型:一种机器学习,全国多中心回顾性研究
Kaibin Liu1, Di Qian2, Dongsheng Zhang3
1Department of Thoracic Surgery, Shanghai Jiao Tong University School of Medicine Affiliated Sixth People's Hospital, Shanghai, 200233, China.
在胸部创伤患者中,早期查静脉血栓塞栓症 (VTE) 是至关重要的. 机器学习模型准确预测VTE风险,帮助针对性干预,减少不必要的测试.
科学领域:
- 医疗信息学 医疗信息学
- 创伤外科 手术 创伤外科
- 心血管医学 心血管医学
背景情况:
- 静脉血栓塞栓症 (VTE) 在患有胸部创伤的患者中具有显著的死亡风险.
- 早期检测和预防策略对于改善这一患者群体的治疗结果至关重要.
研究的目的:
- 开发和验证基于机器学习的自动预测模型,用于胸部创伤患者的VTE风险查.
- 加强高风险创伤队列中VTE的早期识别和管理.
主要方法:
- 一项国家多中心回顾性研究收集了来自中国33家医院的3116名胸部创伤患者的数据,用于模型培训和测试.
- 随机森林 (RF) 模型是在评估其预测性能之后选择的.
- 对上海第六人民医院的408名患者进行了外部验证.
主要成果:
- 最终的射频模型在测试数据集中达到0.879的AUROC,在外部验证中达到0.83.
- 外部验证显示,特异性为0.756,灵敏度为0.821,负预测值为0.976.
- 该模型有效地识别了风险较高的VTE患者.
结论:
- 开发的机器学习模型为胸部创伤患者的快速VTE风险查提供了有价值的工具.
- 实施可能会避免超过90%的不必要的VTE测试,优化资源配置.
- 虽然建议进一步验证,但该模型对于有针对性的干预措施具有相当大的临床实用性.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
07:57Establishment of a Minimally Invasive Rat Model of Pulmonary Embolism Using Autologous Blood Clots
Published on: October 25, 2024
相关概念视频
Venous Thrombosis I: Introduction
Venous Thrombosis II: Clinical Manifestations and Diagnostic Studies
Venous Thrombosis III: Interprofessional Care
Venous Thrombosis IV: Nursing Management
Pulmonary Embolism II: Diagnostic Studies and Interprofessional Care
Pulmonary Embolism III: Nursing Management
