预测老年患者的术后循环并发症:一种机器学习方法
Xiao Yun Hu1, Wei Xuan Sheng1, Kang Yu1
1Department of Anesthesiology, Beijing Shijitan Hospital, Capital Medical University, Beijing 100038, China.
Biomedical and environmental sciences : BES
|April 16, 2025
概括
机器学习可以准确预测老年患者手术后的循环并发症 (PCC). 确定的主要风险因素包括ICU停留,麻醉持续时间和并发症得分,从而使患者的治疗结果更好.
科学领域:
- 老年医学 老年医学
- 麻醉学 麻醉学
- 数据科学数据科学数据科学
背景情况:
- 手术后循环并发症 (PCC) 对接受重大非心脏手术的老年患者构成重大风险.
- 准确预测PCC对于及时干预和改善患者结果至关重要.
研究的目的:
- 利用机器学习算法来确定预测老年患者PCC的关键决定因素.
- 开发和验证这个人口群体中PCC的预测算法.
主要方法:
- 来自一项随机对照试验的数据的二次分析,涉及1720名老年参与者 (60-90岁).
- 分析了67个候选变量,包括基线特征,实验室测试和规模评估.
- 机器学习的应用,特别是随机森林模型,用于特征选择和预测.
主要成果:
- 确定了PCC的显著预测因素:ICU和手术持续时间,APACHE-II评分,手术内心率,血液损失,阿片类药物使用,患者年龄,VAS-Move-Median评分,查尔森并发症评分,液体体积,红细胞输血和内内输管持续时间.
- 随机森林模型在预测PCC方面取得了0.9872的高准确性.
- 通过特征选择有效地确定了关键决定因素.
结论:
- 已开发并验证了一种有效的算法,用于预测老年患者的PCC.
- 识别关键的风险因素允许有针对性的风险分层和管理策略.
- 机器学习为预测老年人群中复杂的术后并发症提供了一个强大的工具.
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
8.2K
08:49Author Spotlight: Enhancing Graft Viability Assessment Through Quantitative Metrics and Innovative Reservoir Systems
Published on: August 2, 2024
585
