使用机器学习构建患有结直肠癌的老年患者术后并发症的风险因素预测模型
Changzhong Fang1,2, Wenbin Shi3, Yu Qiao4
1Department of Gastrointestinal Surgery, The Second Xiangya Hospital of Central South University, Changsha, 410000, China.
Journal of robotic surgery
|August 1, 2025
概括
老年结直肠癌患者的术后并发症受到年龄和并发症等因素的影响. 机器学习模型,特别是XGBoost,可以有效地预测这些风险,以更好地管理患者.
科学领域:
- 在瘤学瘤学.
- 手术创新 在外科创新.
- 数据科学在医学中的数据科学
背景情况:
- 接受机器人辅助手术的结直肠癌老年患者面临术后并发症的风险.
- 确定预测因素对于优化手术结果和患者护理至关重要.
研究的目的:
- 评估影响老年结直肠癌患者术后并发症的临床和外科因素.
- 开发和评估用于预测并发症风险的机器学习模型.
主要方法:
- 分析了109名老年结肠直肠癌患者的数据,这些患者接受了机器人辅助手术,以自然孔样本提取 (NOSE) 进行手术.
- 利用机器学习模型 (包括XGBoost和物流回归) 和SHAP值用于变量重要性和预测解释.
- 将手术后30天内出现并发症和没有并发症的患者组进行比较.
主要成果:
- 年龄较大,BMI较高,手术前血红蛋白和白蛋白水平较低,手术持续时间较长,血液损失较大与并发症有关.
- 淋巴结转移,之前的腹部手术,高血压,糖尿病和冠心病显著增加了并发症风险.
- XGBoost和物流回归模型显示出高预测准确度,年龄,冠心病史,血红蛋白和ASA等级是关键预测因素.
结论:
- 临床和手术因素显著影响老年结直肠癌患者的术后并发症.
- XGBoost模型显示出预测这些并发症的巨大潜力,有助于术前风险评估和术后管理.
