基于机器学习的预测模型的开发和验证,用于非小细胞肺癌患者的术后虚弱及其与早期康复的关系
Xue-E Su1, Cui-Liu Lin2, Huai-Gang Wang3
1Department of Anaesthesia, The Second Affiliated Hospital of Fujian Medical University, Quanzhou, Fujian, China.
Annals of surgical oncology
|May 14, 2025
概括
这项研究开发了一种机器学习模型,用于预测非小细胞肺癌患者的术后脆弱性,确定个性化护理和改善康复结果的关键影响因素.
科学领域:
- 在瘤学瘤学.
- 老年病的医生 老年病的医生
- 数据科学数据科学数据科学
背景情况:
- 手术后的虚弱是非小细胞肺癌 (NSCLC) 患者的一个重大问题.
- 早期识别脆弱性可以指导干预措施,以改善患者的治疗结果.
研究的目的:
- 为了评估NSCLC患者的术后脆弱性.
- 为了确定影响脆弱性的因素.
- 开发一种机器学习模型,用于预测脆弱性及其与早期恢复的相关性.
主要方法:
- 对1013名接受手术的NSCLC患者 (2021-2024) 的回顾性分析.
- 用于特征选择和模型构建的 LASSO 回归.
- 提尔堡脆弱性指数和恢复质量 (QoR-15) 是用于评估的尺度.
主要成果:
- 开发了一个术后虚弱的预测模型,在数据平衡后 (AUC高达0.850) 性能得到改善.
- 18.8%的患者在术后3个月内出现虚弱.
- 为临床风险评估创建了一个名图,显示3个月的脆弱性和1个月的恢复之间存在中度负相关性 (r=-0.370).
结论:
- 一个强大的机器学习模型可以预测NSCLC患者的术后脆弱性.
- 该模型有助于个性化管理和改善早期康复.
- 预测模型的临床应用需要进一步研究.
关键词:
拉索回归法 (Lasso Regression) 是一种回归法.机器学习是机器学习.这个名字叫做Nomogram.非小细胞肺癌是非小细胞肺癌.手术后的脆弱性 术后的脆弱性术后康复 术后康复预测模型是一个预测模型.更多相关视频
04:00Author Spotlight: Assessing Surgical Frailty with Point-of-Care Ultrasound of Quadriceps Muscles
Published on: July 26, 2024
390
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
