相关实验视频
Updated: May 20, 2025
04:14
Author Spotlight: Recent Advancements in Reoperative Foregut Surgery
Published on: September 22, 2023
413
机器学习模型的应用,以识别腹腔镜内膜缩后良好结果的预测因素
Rippan N Shukla1, Richard Woodman1, Jennifer C Myers2
1Flinders University Discipline of Surgery, College of Medicine and Public Health, Flinders Medical Centre, Bedford Park, South Australia, Australia.
概括
预测腹腔镜基复合后的结果是具有挑战性的. 虽然男性性别和食道周围静止是关键预测因素,但机器学习模型在胃食道逆流症治疗的准确性方面只提供了边际的改进.
科学领域:
- 胃肠病学 胃肠病学
- 外科手术的结果
- 医疗信息学 医疗信息学
背景情况:
- laparoscopic fundoplication 是胃食道逆流性疾病 (GERD) 的标准治疗方法.
- 10-20%的患者经历了手术后持续的症状,需要进一步的干预.
- 这项研究调查了腹腔镜基复合后结果的预测因素.
研究的目的:
- 为了确定影响腹腔镜骨复制后术后结果的术前因素.
- 评估回归和机器学习 (ML) 模型对GERD症状解决和患者满意度的预测准确度.
- 确定高级预测建模在治疗GERD患者中的临床实用性.
主要方法:
- 分析了从894名接受初级腹腔镜基复合 (1998-2015) 的患者的前性维护数据.
- 利用回归和机器学习模型来评估影响胃灼热,消化不良和满意度得分的术前因素.
- 随访时间中位数为5年,对完整数据集 (n=221) 和归算方法进行了具体分析.
主要成果:
- 机器学习 (最小绝对收缩支持运算符) 和负二项式回归在预测胃烧得分方面显示出类似的准确性 (RMSE ≈ 2.3-2.4).
- 男性的性别是减少胃灼热和消化不良的重要预测因素.
- 消化管周平静的百分比显著预测了满意度和减少了消化障碍.
结论:
- 男性性别和食道周围静止是腹腔镜囊复制后结果的显著预测因素.
- 当前的回归和ML模型在预测个体患者的结果方面提供了有限的准确性.
- 临床判断和患者咨询仍然至关重要,因为预测模型不能取代医生的专业知识来管理GERD.
