机器学习增强了手术心肌再血管化后深胸部伤口感染的预测

科学领域:

• 心血管外科心血管外科
• 医疗信息学 医疗信息学
• 机器学习在医学中的应用

背景情况:

• 深胸部伤口感染 (DSWI) 是心肌重血管化后的一种严重并发症.
• 准确的风险预测对于预防DSWI至关重要.

研究的目的:

• 开发和验证机器学习算法,以改善DSWI风险预测.
• 将机器学习模型的性能与传统的统计方法进行比较.

主要方法:

• 对5221名接受心肌再血管化的患者进行了回顾性分析.
• 极端梯度增强 (XGBoost) 和深度神经网络 (DNN) 模型的培训和验证.
• 与多变量逻辑回归进行比较;使用Shapley增量解释进行特征重要性分析.

主要成果:

• DSWI发生率为3.4%,其中54.7%发生在手术后15天内.
• XGBoost 和 DNN 模型实现了相同的 AUC 0.851,超过了逻辑回归 (AUC 0.796).
• 确定了关键预测因素:体重指数,红细胞输血,多流,低血红蛋白和外周动脉疾病.

结论:

• 机器学习算法大大提高了DSWI风险预测准确度.
• 这代表了迄今为止关于DSWI心肌后再血管化的最佳预测准确性.