机器学习用于预测在中枢手术期间或之后的输血风险:多中心回顾性队列研究
Yuhan Wang1, Leping Liu2, Kexin Fan3
1Department of Transfusion, The Third Xiangya Hospital of Central South University, 138 Tongzipo Road, Changsha, 410013, Hunan, China.
这项研究确定了最好的机器学习模型,即LightGBM,用于预测中枢手术患者的红细胞输血风险. 主要的手术前变量,如血红素和红细胞计数,对于精确的输血预测至关重要.
科学领域:
- 心血管外科
- 医疗信息学
- 血液学
背景情况:
- 红细胞 (RBC) 输血在中枢手术中很常见.
- 精确预测输血风险对于优化血液管理至关重要.
研究的目的:
- 在接受中枢手术的患者中确定红细胞输血风险的最佳预测方法.
- 确定影响输血要求的关键手术前变量.
主要方法:
- 对1477名经过心肺旁路手术的患者进行了回顾性分析.
- 使用30个手术前变量中的最大相关性和最小冗余性 (mRMR) 进行特征选择.
- 用SHAP分析评估各种机器学习模型,包括LightGBM.
主要成果:
- 通过mRMR方法确定了10个重要的手术前变量.
- 在前数据集上,轻GBM模型的AUC为0. 935 (训练) 和0. 734 (验证),准确度为74. 2%.
- 最重要的预测因素包括血红素,红细胞计数,体重,BMI,纤维素,血红蛋白,身高,年龄,左心室扩张和性别.
结论:
- 轻GBM模型是预测红细胞输血需要在中枢手术的最佳方法.
- 准确的预测有助于临床医生预测输血并改善血液管理策略.
更多相关视频
08:31A Simplified Stepwise Approach to Echo Guidance during Percutaneous Mitral Valve Repair
Published on: October 16, 2021
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
相关概念视频
Mitral Valve Prolapse II: Assessment and Management
Mitral Stenosis III: Medical Management
Mitral Stenosis I: Introduction
Mitral Regurgitation III: Medical Management
Mitral Valve Prolapse I: Introduction
Mitral Valve Prolapse III: Nursing Management
