基于机器学习的预测,术后深静脉血栓在骨骨折手术后发生
Humam Baki1, İsmail Bülent Özçelik2
1Department of Orthopedics, Private Gaziosmanpaşa Hospital, Istanbul Yeni Yüzyıl University, 34245 Istanbul, Turkey.
机器学习模型在骨骨折手术后准确预测深静脉血栓 (DVT). 支持向量机器模型显示出出色的性能,表明个性化DVT预防策略的潜力.
科学领域:
- 整形外科手术 整形外科手术
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
背景情况:
- 手术后的深静脉血栓塞 (DVT) 是骨骨折手术后的一个重大并发症.
- 准确预测DVT对于有效的预防策略至关重要.
研究的目的:
- 开发和评估机器学习 (ML) 模型,用于预测骨骨折手术后DVT.
- 确定最佳的ML算法和特征选择方法用于DVT风险预测.
主要方法:
- 对471名接受隔离骨折手术的患者进行了回顾性分析.
- 开发42个预测模型,使用6个ML算法和7个特征选择技术.
- 基于接收器操作特征曲线 (AUC-ROC) 下面面积和Brier分数的性能评估,并进行内部验证.
主要成果:
- 17.0%的患者出现了手术后的DVT.
- 多重ML模型实现了高分辨率 (AUC~0.97-0.99).
- 使用Boruta或LASSO特征选择的支持向量机 (SVM) 模型显示出优异的校准和高特异性 (≥95%).
结论:
- ML模型,特别是基于SVM的模型,在预测骨骨折手术后的术后DVT方面表现出很高的准确性.
- 这些模型为风险分层提供了潜在的可能性,以指导个性化预防.
- 建议对临床实施进行进一步的前性验证.
更多相关视频
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
06:45Point-Of-Care Ultrasound Screening for Proximal Lower Extremity Deep Venous Thrombosis
Published on: February 10, 2023
相关概念视频
Venous Thrombosis III: Interprofessional Care
Peripheral Artery Disease V: Postoperative Nursing Management
Venous Thrombosis II: Clinical Manifestations and Diagnostic Studies
Venous Thrombosis IV: Nursing Management
Venous Thrombosis I: Introduction
Pulmonary Embolism III: Nursing Management
