机器学习模型的比较,用于预测患有骨骨折的老年高血压患者的手术前DVT发病率:一个回顾性分析

科学领域:

• 老年医学 老年医学
• 心血管外科心血管外科
• 医疗信息学 医疗信息学

背景情况:

• 关节骨折是老年人,特别是高血压患者的主要健康问题.
• 高血压增加了前手术深静脉血栓形成的风险 (DVT) 在部骨折患者,复杂化手术和恢复.

研究的目的:

• 开发和验证一个基于机器学习的预测模型,用于手术前的DVT在老年高血压患者和部骨折.
• 提高DVT风险评估的准确性,以优化手术前管理和患者预后.

主要方法:

• 对637名患有高血压和关节骨折的患者进行了回顾性研究 (2018年1月至2022年12月).
• 利用LASSO回归用于因子识别,用于名ogram构建的物流回归,以及各种机器学习算法 (包括LightGBM).
• 使用SHAP值用于模型解释性和ROC曲线/AUC用于性能评估.

主要成果:

• 基于后勤回归的名图和在线交互版本被开发用于DVT风险评估.
• 光GBM模型表现出优异的预测性能,AUC为0.910.
• 确定的关键预测因素包括年龄,从受伤到入院的时间,心房动,C反应性蛋白,低albuminemia和D-dimer.

结论:

• 该研究成功地为老年高血压关节骨折患者的手术前DVT创建了准确的预测工具 (nomogram和LightGBM模型).
• 这些工具为快速风险分层提供了实际的临床实用性,改善了患者管理和结果.
• 机器学习,特别是带有SHAP分析的LightGBM模型,提高了预测透明度,并支持这种脆弱人群的精准医学.