一种机器学习方法可以预测血管造影手术后的当天出院情况.

科学领域:

• 医疗信息学医学信息学
• 医疗服务研究 医疗服务研究
• 机器学习在医疗保健中的应用

背景情况:

• 住院后的当日出院 (SDD) 越来越被认为是安全和有效的.
• 选择适合SDD的患者,特别是在血管造影等手术后,由于众多影响因素,提出了重大临床挑战.

研究的目的:

• 开发和评估机器学习 (ML) 模型,用于预测接受血管造影的患者当日出院 (SDD) 的资格.
• 确定最有效的ML算法,在这个患者队列中准确预测SDD.

主要方法:

• 利用了3227名接受血管造影的患者的数据,包括人口统计,并发病症和手术细节.
• 训练并测试了几种ML算法:逻辑回归 (LR),K-近邻,天真贝叶斯,多层感知器和支持向量机器 (SVM).
• 使用准确性,精度,回忆,F1分数,学习时间和推断时间等指标评估算法性能.

主要成果:

• 后勤回归 (LR) 和支持向量机 (SVM) 显示出最高的性能,分别达到0.800和0.806的F1得分.
• 与SVM相比,LR在学习和推断时间方面表现优越.
• 该研究成功地确定了血管造影后同一天出院的预测模型.

结论:

• 机器学习模型,特别是LR和SVM,是预测血管造影后同日出院资格的有效工具.
• LR为SDD预测提供了预测准确性和计算效率的良好平衡.
• 这些发现支持了ML驱动的决策支持的潜力,以优化SDD的患者选择,提高医疗保健资源利用率.