在乳腺癌患者的修饰性激进乳房切除术后,对上肢功能障碍的回归分析和风险因素的验证
1Department of Surgery of Glandular Vascular Abdominal Wall, The First People's Hospital of Xianyang Xianyang 712000, Shaanxi, China.
American journal of translational research
|May 19, 2025
概括
机器学习模型,包括XGBoost和随机森林,准确地预测乳腺癌手术后上肢功能障碍风险. 这有助于早期干预和个性化康复,以改善患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 康复医学 康复医学 康复医学
背景情况:
- 上肢功能障碍是乳腺癌修饰激进乳房切除术 (MRM) 后的常见并发症.
- 早期识别风险患者对于有效管理和改善生活质量至关重要.
研究的目的:
- 开发和验证机器学习模型,用于预测MRM后的上肢功能障碍风险.
- 确定与这种并发症相关的关键风险因素.
主要方法:
- 利用了768名接受MRM治疗的乳腺癌患者的数据.
- 使用的机器学习模型:SVM,XGBOOST,GNB,ADABOOST和随机森林.
- 评估模型使用十倍交叉验证和AUC,特异性和灵敏度等指标.
主要成果:
- XGBOOST和随机森林模型显示出高预测性能 (AUC为0.817-0.884).
- 确定了重要的风险因素:年龄,BMI,癌症类型,下淋巴结解剖,放射治疗,康复计划和家庭收入.
- 模型显示在识别有风险的患者方面具有强大的特异性和敏感性.
结论:
- XGBOOST和随机森林模型为MRM后的上肢功能障碍提供了出色的预测准确性.
- 这些工具支持早期识别和个性化康复规划.
- 这些发现有助于提高术后护理和患者的生活质量.
