预测模型用于切割性肠球炎手术的最佳时间:诺莫格拉姆与五种机器学习模型
Xuetian Li1, Liting Zhang1, Hongjie Gao2
1Department of Pediatric Surgery, Qilu Hospital of Shandong University, Jinan, China.
Pediatric surgery international
|August 20, 2025
概括
确定新生儿死肠炎 (NEC) 的最佳手术时间是一项挑战. 这项研究发现后勤回归 (LR) 模型最能预测手术时间,随机森林 (RF) 模型在机器学习方法中表现出强的表现.
科学领域:
- 新生儿手术
- 医疗信息学
- 儿童胃肠病学
背景情况:
- 死性肠球炎 (NEC) 是一种急性新生儿疾病,需要及时进行手术.
- 目前用于确定NEC最佳手术时间的方法是不够的.
- 开发预测模型可以改善NEC管理的临床决策.
研究的目的:
- 建立和比较机器学习 (ML) 模型与后勤回归 (LR) 以确定NEC的最佳手术时间.
- 使用名图可视化影响手术时间的关键指标.
- 加强对NEC手术的临床决策支持.
主要方法:
- 从NEC患者收集的临床,实验室和成像数据 (2011-2024年).
- 应用单变量/多变量LR和ML算法 (RF,SVM,DT,NB,KNN) 来选预测指标.
- 基于LR分析构建了一个名图,以可视化风险因素.
- 使用ROC曲线,校准和DCA评估模型性能.
主要成果:
- 后勤回归 (LR) 在预测NEC手术时间方面表现最好.
- 随机森林 (RF) 模型在测试的ML模型中显示出最高的性能.
- 间环空间的扩大被确定为名图中得分最高的显著指标.
结论:
- 在预测NEC的最佳手术时间方面,LR模型非常有效.
- 在机器学习方法中,射频模型也提供了出色的预测能力.
- 这些模型,特别是LR模型及其名图,可以帮助确定NEC新生儿的更精确的手术时间.


