在胃肠道外科手术中对外科心血管事件风险的评估 - 使用机器学习进行预测建模和风险分层
Hiromasa Ito1,2, Tomohisa Seki1, Yoshimasa Kawazoe1,3
1Department of Healthcare Information Management, The University of Tokyo Hospital.
概括
这项研究评估了日本胃肠道手术后的主要不良心血管事件 (MACE). 一个机器学习模型有效地使用患者数据对MACE风险进行了分层,改善了手术前风险评估.
科学领域:
- 心血管医学 心血管医学
- 手术瘤学手术瘤学
- 医疗信息学医学信息学
背景情况:
- 术前风险评估对于手术安全和预测并发症至关重要.
- 在日本缺乏关于外科手术期间心血管事件的大规模研究.
- 需要对现实世界的数据分析来评估这些风险,并探索预测建模.
研究的目的:
- 通过使用真实世界的数据,评估日本外科手术期间心血管事件的风险.
- 评估机器学习对于风险分层的适用性.
- 开发一个术后心血管事件的预测模型.
主要方法:
- 使用日本医学数据中心数据库的观察队列研究 (2005年1月 - 2021年4月).
- 包括133,634次胃肠道手术;主要结局是30天的主要不良心血管事件 (MACE).
- 机器学习 (基于Shapley增量解释值的集群算法) 用于MACE预测.
主要成果:
- 30天的MACE发病率为3.8%.
- 与MACE相关的关键因素包括年龄,缺血性心脏病/心力衰竭史,中风,糖尿病,高血压,心房动,恶性瘤和胰腺胆道手术.
- 机器学习模型证明了对测试数据的概括性.
结论:
- 使用临床,并发病和手术数据的机器学习模型可以有效地分层MACE风险.
- 这种模型有可能提高接受胃肠道手术的患者的手术前风险评估.
