开发和验证神经外科手术中压力的术后风险预测模型:一个机器学习方法与协议合规度量
Yaping Wang1, Weiguang Yu2, Hui Zhi1
1Department of Anesthesia and Perioperative Medicine, Henan Provincial People's Hospital, Zhengzhou, China.
Frontiers in medicine
|July 17, 2025
概括
一种新型的诺米图准确预测神经外科手术患者的压力 (PU) 风险. 这种工具有助于早期识别和个性化干预,以改善术后结果.
科学领域:
- 神经外科 神经外科
- 临床风险预测预测
- 患者的治疗结果.
背景情况:
- 压力 (PUs) 是神经外科患者的一个重大问题.
- 有效的术后风险管理对于预防PUs至关重要.
- 开发预测工具可以提高患者的护理和结果.
研究的目的:
- 开发和验证用于预测神经外科病人的压力发病率的诺莫грам.
- 确定神经外科手术后压力发育的关键预测因素.
- 为早期风险分层和个性化干预提供一个工具.
主要方法:
- 在四个高等中心 (2005-2025) 进行了1020名神经外科患者的回顾性分析.
- 倾向得分匹配 (PSM) 和LASSO回归与机器学习来识别PU预测器.
- 模型性能使用AUC-ROC,C指数和决策曲线分析进行评估.
主要成果:
- 确定了8个独立预测因素:糖尿病持续时间,BMI,白蛋白,白蛋白前期,年龄,血红蛋白,温度差异和尿失禁.
- 诺米图实现了高预测准确性:AUC-ROC为0.825 (培训) 和0.800 (验证).
- 该模型表现出极好的灵敏度 (77-76%) 和特异性 (92-92%),具有强大的C指数 (0.833培训,0.826验证).
结论:
- 一个经过验证的名图有效地预测神经外科患者的压力风险.
- 诺米图表有助于早期风险分层和个性化术后干预.
- 将其纳入临床实践可以通过为高风险个体提供及时干预来改善患者的治疗结果.
