开发和验证一个预测机器学习模型,用于手术后的长期无味糖尿病,用于细胞损伤的跨形手术后的预测机器学习模型
Simon G Ammanuel1, Manasa H Kalluri1, Jesse D Montoure1
1Department of Neurological Surgery, University of Wisconsin, School of Medicine and Public Health, Madison, WI 53792, United States.
Clinical neurology and neurosurgery
|April 20, 2025
概括
一个新的得分预测了细胞损伤手术后的长期无味糖尿病 (DI). 该工具有助于识别患有DI高风险的患者,改善手术决策.
科学领域:
- 神经外科 神经外科
- 内分泌学 在内分泌学.
- 在瘤学瘤学.
背景情况:
- 无味糖尿病 (DI) 是细胞病变的转形手术后经常出现的并发症.
- 虽然DI往往是暂时的,但在某些患者中可以成为永久性的.
- 现有的研究确定了手术前的风险因素,但缺乏预测风险分层分数.
研究的目的:
- 为了开发和验证一个预测性风险评分长期DI经过跨形手术后.
- 确定有助于手术后DI发展的关键因素.
- 帮助临床医生对因细胞病变而接受手术的患者进行风险分层.
主要方法:
- 对252名因细胞病变而接受过脑膜外科手术的患者 (2017-2022) 的回顾性审查.
- 长期的DI的定义是需要至少六个月的德斯摩素治疗.
- 使用风险-SLIM机器学习方法创建风险分层分数.
主要成果:
- 27名 (10.7%) 患者出现了长期的DI,需要使用德斯莫普列辛.
- 经过形外科手术后开发的DI得分 (DITSS) 显示出强大的预测准确性 (AUC 0.81).
- 关键的预测因素包括瘤病理,瘤大小,患者年龄和内镜手术方法.
结论:
- 跨形外科手术后的DI分数 (DITSS) 是一个经过验证的,准确的风险分层工具.
- DITSS协助在手术后患有DI风险的患者进行临床决策.
- 这一分数有效地预测了需要长期使用德斯摩素治疗的概率.
