机器学习和后勤回归模型的比较,用于预测老年患者出现妄想:一项前性研究
Yufan Lu1, Ying Li1, Shengqiang Chi2
1Department of Anesthesia Surgery, Taizhou Central Hospital (Taizhou University Hospital), Zhejiang, China.
International journal of medical informatics
|March 27, 2025
概括
在接受手术的老年患者中,逻辑回归在预测出现狂妄症 (ED) 方面优于机器学习模型. 该算法为及时的预防和治疗策略提供了有效的风险评估.
科学领域:
- 麻醉学和外科手术期间的医学.
- 医疗保健中的人工智能
- 老年医学 老年医学
背景情况:
- 出现妄想 (ED) 是老年患者常见的术后并发症.
- 准确预测ED对于有效管理和改善患者的治疗结果至关重要.
- 现有的预测模型可能无法完全捕捉ED发展的复杂性.
研究的目的:
- 为了比较后勤回归和各种机器学习算法的预测性能,用于老年手术患者的出现妄想 (ED).
- 确定最有效的模型来预测ED风险.
- 评估ED预测模型的临床实用性.
主要方法:
- 一项前性研究涉及1045名接受全身麻醉非心脏手术的老年患者.
- 使用最少绝对收缩和选择操作员 (LASSO) 进行变量选择.
- 逻辑回归与七个机器学习模型 (GBM,XGBoost,LGBM,SVM,决策树,神经网络,随机森林) 的比较.
主要成果:
- 出现妄想 (ED) 在30.2%的患者中发生.
- 后勤回归显示出优异的性能,AUC为0.790 (95% CI:0.736-0.843).
- 校准曲线显示出良好的一致性,决策曲线分析表明后勤回归模型的临床益处.
结论:
- 后勤回归为预测老年手术患者ED风险提供了一种快速有效的方法.
- 这种方法使医疗专业人员能够及时实施适当的预防和治疗措施.
- 这些发现支持将后勤回归纳入ED风险分层的临床实践.
