数据采样技术的比较,用于预测神经外科手术中的术后 Delirium
Sora An1, Eun Mi Kim1, Hyngbok Lee1
1Seoul National University Hospital, Nursing Department.
Studies in health technology and informatics
|August 8, 2025
概括
这项研究开发了一种XGBoost模型,用于预测神经外科患者的术后妄想. SMOTETomek采样方法实现了高准确度,识别了早期检测和预防的关键风险因素.
科学领域:
- 神经外科 神经外科
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 手术后痴呆症是神经外科患者的一个重大问题.
- 早期预测和预防策略对于改善患者结果至关重要.
研究的目的:
- 开发和验证一个XGBoost模型,用于预测神经外科患者的术后妄想.
- 为了确定与妄想发展相关的关键风险因素.
主要方法:
- 利用了2017-2023年神经外科患者的数据集.
- 采用各种数据采样技术来解决阶级不平衡问题,包括SMOTETomek.
- 开发了一个XGBoost分类模型来预测妄想风险.
主要成果:
- 在SMOTETomek下方采样技术表现出卓越的性能.
- 实现了 0.97.9 的接收器运行特征曲线 (AUROC) 下的面积.
- 确定了重要的风险因素:手术前住院,ICU入院,多重诊断,跌倒风险和之前的神经手术.
结论:
- 开发的XGBoost模型有效地预测神经外科患者的术后妄想.
- 该模型有助于早期识别高风险个体.
- 这些发现支持量身定制的预防策略,以减轻妄想发病率.
更多相关视频
04:04Transauricular Vagus Nerve Stimulation and Electroencephalographic Assessment in Disorders of Consciousness
Published on: July 11, 2025
288
13:12Translational Brain Mapping at the University of Rochester Medical Center: Preserving the Mind Through Personalized Brain Mapping
Published on: August 12, 2019
45.8K
