基于机器学习的全国分析,用于预测脊髓内瘤手术中的不良结果

科学领域:

• 神经外科 神经外科
• 在瘤学瘤学.
• 数据科学数据科学数据科学

背景情况:

• 脊髓内瘤 (IMSCT) 是一种罕见的中枢神经系统恶性瘤,通常是晚期诊断的,导致结果不佳.
• 手术切除是主要的治疗方法,但它是复杂的,并带有重大风险.
• 预测IMSCT患者的术后结果对于临床决策至关重要.

研究的目的:

• 开发和验证机器学习模型,用于预测手术治疗IMSCT患者的死亡率和延长停留时间 (eLOS).
• 确定影响IMSCT术后结果的关键因素.
• 通过组织学对IMSCT进行分层,以提高风险评估.

主要方法:

• 利用国家癌症数据库 (NCDB) 对手术治疗的IMSCT病例 (2004-2017) 进行了回顾性分析.
• 提取了人口统计,并发症和治疗数据.
• 采用描述性统计和监督机器学习算法来预测死亡率和eLOS.

主要成果:

• 这项研究包括7243例IMSCT病例 (细胞瘤,膜瘤,血管母细胞瘤).
• 观察到的死亡率和eLOS率分别为10.2%和27.1%.
• 机器学习模型的AUC为0.721的死亡率和0.586的eLOS,确定关键预测特征,如年龄,组织学和治疗变量. 部署了基于网络的风险计算器.

结论:

• 机器学习有效地预测IMSCT患者的死亡率和eLOS.
• 该研究强调了IMSCT管理随着时间的推移而发生的重大变化.
• 这些预测工具为优化患者护理和手术策略提供了宝贵的见解.