相关实验视频
Updated: Jul 19, 2026
08:10
A Closed-chest Model to Induce Transverse Aortic Constriction in Mice
Published on: April 5, 2018
18.8K
多个自动机器学习预测模型用于急性大动脉剖析患者的术后再输管:一个多中心队列研究
Shuyu Wen1, Chao Zhang1, Junwei Zhang1
1Department of Cardiovascular Surgery, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, Hubei, China.
Frontiers in medicine
|April 28, 2025
概括
机器学习准确地预测了A型大动脉剖析 (AAD) 患者的再灌输风险. XGBoost模型识别了关键的风险因素,使得及时采取预防措施可以改善患者的治疗结果.
科学领域:
- 心血管外科心血管外科
- 医疗信息学 医疗信息学
- 关键护理医学 关键护理医学
背景情况:
- 重灌管是A型大动脉剖析 (AAD) 患者的重大术后并发症,与不良结果相关.
- 重灌预测模型可以帮助临床决策和改善患者管理.
研究的目的:
- 开发和验证一个基于机器学习的平台,用于预测AAD患者的术后再灌输.
- 在这个患者群体中确定与再输管治疗相关的重大风险因素.
主要方法:
- 利用了861名患有AAD的患者队列,分为培训/测试 (688) 和验证 (173) 组.
- 雇佣的最小绝对缩小和选择操作员 (LASSO) 用于风险因素识别和XGBoost用于模型构建.
- 使用AUC,灵敏度和特异性验证模型性能,并使用SHapley添加式扩展 (SHAP) 进行解释.
主要成果:
- 在12.43%的患者中发生了重新输管.
- 确定重入ICU,连续脏替代疗法,ICU停留时间和机械通风持续时间作为关键风险因素.
- XGBoost 模型表现出高性能 (AUC 0.969,灵敏度 0.8889,特异性 0.8611),并开发了一个网络计算器.
结论:
- 在AAD患者中开发了一种经过验证的,高性能的风险预测模型,用于术后再输管.
- 该工具提供了有价值的临床指导,用于预测再灌输和实施预防策略.
