在接受PLIF的严重腰椎间盘的患者中预测外科手术期间流血风险:使用合体学习的多中心队列研究
Ning Shen1, Yusi Zhang2,3,4, Zhendong Ding5
1Department of Anesthesiology, Huadu District People's Hospital of Guangzhou, Guangzhou, China.
International journal of surgery (London, England)
|June 20, 2025
概括
一个新的模型准确地预测了患有严重腰椎退行性磁盘疾病 (LDH) 的患者的手术风险,这些患者经历了后腰椎间体融合 (PLIF). 这种工具有助于个性化手术规划,以获得更好的患者结果.
科学领域:
- 脊柱外科手术 脊柱外科手术
- 预测建模预测建模
- 数据科学在医学中的数据科学
背景情况:
- 严重的腰椎退行性磁盘疾病 (LDH) 通常需要后腰椎体间融合 (PLIF) 进行神经减压和脊柱稳定.
- 精确的手术规划对于优化复杂的LDH病例的结果至关重要,特别是脊柱狭窄或不稳定.
- 多维临床数据对于开发精确的预测模型至关重要.
研究的目的:
- 开发和验证一个准确的预测模型,用于手术风险分层在接受PLIF的严重LDH患者.
- 通过利用全面的临床数据,优化个性化外科规划.
主要方法:
- 一项回顾性多中心研究,使用来自3,055名患者 (培训) 和3,186名患者 (验证) 的数据.
- 一个双阶段的整体框架,将特征选择的拉索回归和堆叠的泛化 (XGBoost,随机森林,后勤回归) 结合起来.
- 贝叶斯优化,十倍交叉验证,决策曲线分析和沙普利添加式扩展用于模型改进和解释.
主要成果:
- 集成的Lasso与Stack模型实现了0.884的平均曲线下面积 (AUC),优于其他组合.
- 确定的主要预测因素包括融合水平,临床疗程持续时间,手术前住院,血红蛋白和白蛋白水平.
- 该模型显示出强大的预测准确性和临床实用性.
结论:
- 开发的IBLED-LDH模型是手术前身体间骨损失 (IBL) 风险分层的一个有价值的工具.
- 该模型通过先进的集体学习技术平衡了预测准确性和可解释性.
- 这种方法支持在LDH患者的手术规划中做出知情决策.
