机器学习分类器的可行性用于预测非心脏手术中的诱导后低血压
Insun Park1,2, Jae Hyon Park3,4, Young Hyun Koo1
1Department of Anesthesiology and Pain Medicine, Seoul National University Bundang Hospital, Seongnam, Korea.
Yonsei medical journal
|February 25, 2025
概括
机器学习模型可以预测非心脏手术患者的诱导后低血压 (PIH). 关键预测因素包括透静血压和麻醉诱导期间的平均动脉压.
科学领域:
- 麻醉学 麻醉学
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 诱导后低血压 (PIH) 是非心脏手术中常见的并发症.
- 预测PIH对于患者安全和优化麻醉管理至关重要.
研究的目的:
- 开发和评估用于预测PIH的机器学习 (ML) 分类器.
- 确定PIH的关键手术前和早期手术内预测因素.
主要方法:
- 利用了VitalDB数据库中3669个非心脏手术病例的数据.
- 定义PIH为持续的平均动脉压 (MAP) <65 mm Hg在诱导后20分钟内.
- 训练并比较了六个ML算法,使用接收器操作特征曲线 (AUROC) 下的区域来评估性能.
主要成果:
- 63.3%的病例发生PIH.
- 随机森林和极度梯度增强回归器实现了最高的AUROC0.772.
- 诱导期间的平均透静血压,最小MAP和最小透静血压是最重要的预测因素.
结论:
- ML分类器在预测PIH方面表现适度.
- 这些模型有可能用于手术期间实时PIH风险评估.


