使用 LASSO-随机森林集成算法开发一个预测模型,用于评估晚期胃癌的远部胃切除术中的手术难度
Hongxin Yu1,2, Hualin Liao1,2, Houqiong Ju1,2
1Department of General Surgery, The First Affiliated Hospital, Jiangxi Medical College, Nanchang University, Nanchang, Jiangxi, China.
Surgical endoscopy
|July 21, 2025
概括
这项研究确定了预测晚期胃癌患者进行远部胃切除术的手术困难的关键因素. 开发的模型准确地评估了复杂性,有助于进行手术前规划,以获得更好的外科手术结果.
科学领域:
- 手术瘤学手术瘤学
- 医疗信息学 医疗信息学
- 预测分析 (Predictive Analytics) 是一种分析方法.
背景情况:
- 晚期胃癌带来了重大的外科手术挑战.
- 远程胃切除术是胃癌的常见手术.
- 预测手术困难对于患者安全和资源分配至关重要.
研究的目的:
- 确定影响晚期胃癌患者进行远部胃切除术的手术困难的因素.
- 开发和验证手术复杂性的预测模型.
- 帮助外科医生进行手术前风险评估和手术规划.
主要方法:
- 使用LASSO回归和随机森林算法来识别因素和变量重要性.
- 根据手术内流血和手术持续时间分类的手术困难.
- 使用单变量和多变量逻辑回归来进行决定性分析.
- 构建了一个基于nomogram的风险预测模型.
主要成果:
- 包括520名患有晚期胃癌的患者.
- 确定了手术困难的七个核心预测因素:BMI,之前的腹部手术,瘤大小以及其他四个临床参数.
- 确认这些因素是独立的风险决定因素 (P < 0.05).
- 预测模型实现了0.787的AUC,表明了良好的区分能力.
结论:
- 一个结合关键临床因素的预测模型已成功开发,用于估计晚期胃癌的手术难度.
- 该模型表现出强大的预测性能 (AUC 0.787).
- 这种工具可以帮助外科医生在手术前识别高风险病例,优化手术规划,并可能改善患者的治疗结果.
