阴茎假体植入术中术后并发症严重性预测:基于机器学习的预测建模研究.
Ali Ünal1, Ali Şahin2, Mesut Altan3
1Department of Urology, Oltu State Hospital, Erzurum, Turkey.
International journal of impotence research
|July 15, 2025
概括
机器学习模型可以预测阴茎假肢植入并发症. 梯度增强 (GB) 显示了最好的整体性能,改善了手术决策和患者的结果.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 术后并发症预测对于阴茎假肢植入至关重要.
- 准确的预测有助于手术规划和患者管理.
研究的目的:
- 评估机器学习算法,用于预测阴茎假肢植入后的术后并发症.
- 确定用于并发症预测的最有效的算法.
主要方法:
- 人口,临床,实验室和手术数据 (2015-2023) 的回顾性分析.
- 训练了六种机器学习模型:梯度增强 (GB),AdaBoost,支持矢量机 (SVM),随机森林 (RF),XGBoost (XGB) 和天真贝斯 (NB).
- 评估模型性能使用准确度,F1得分,灵敏度,特异性,尤登指数和AUC.
主要成果:
- 梯度增强 (GB) 实现了最高的F1得分 (0.86) 和优越的灵敏度.
- 随机森林 (RF) 显示了最高的特异性 (1.00).
- GB在预测轻度并发症 (0.74) 中表现出色,而天真贝叶斯 (NB) 在预测严重并发症 (0.94) 中表现最好. 关键预测因素包括HbA1c,总和尿素.
结论:
- 渐变增强 (GB) 是一种高效的机器学习模型,用于预测阴茎假肢植入术后并发症.
- 实施基于GB的模型可以增强外科手术决策,并可能改善患者的治疗结果.
- 进一步的研究可以探索将这些预测模型集成到临床工作流程中.


