机器学习 预测脊柱形 手术 输血 输血
Meijia Luo1, Xiaotian Lei2, Zhendong Ding3
1School of Nursing, Hunan Normal University, Changsha, China; The First Hospital of Hunan University of Chinese Medicine, Changsha, China.
World neurosurgery
|September 18, 2025
概括
在脊柱形手术 (SDS) 中预测手术内输血 (IBT) 风险至关重要. 机器学习模型准确地识别了高风险患者,优化了血液使用和输血策略.
科学领域:
- 整形外科手术 整形外科手术
- 医疗信息学 医疗信息学
- 输血医学 输血医学
背景情况:
- 脊柱形手术 (SDS) 携带与手术内输血和输血相关的重大风险.
- 输血可能导致不良事件,包括输血反应,感染传播和免疫抑制.
- 准确预测手术内输血 (IBT) 需求对于患者安全和资源管理至关重要.
研究的目的:
- 开发和评估机器学习 (ML) 模型,用于预测SDS患者的IBT风险.
- 确定影响脊柱形手术中IBT要求的关键因素.
- 为临床医生创建一个工具来评估IBT风险.
主要方法:
- 一项回顾性研究,涉及162名在中国11个中心接受SDS的患者.
- 利用了39个候选因子,并使用拉索回归来选择特征.
- 评估了十个ML算法,包括随机森林 (RF),通过ROC,精度回忆和校准曲线评估性能.
- 应用了夏普利添加式解释来实现模型的解释性,并开发了一个网络计算器.
主要成果:
- 随机森林 (RF) 模型显示出优异的预测性能 (ROC的AUC:0.8716).
- 确定了IBT的七个关键预测因素:年龄,BMI,手术前血红素,纤维素,功能前,骨移植和融合水平.
- 4级脊椎融合手术与IBT风险最高相关 (OR = 20.78).
结论:
- 机器学习算法可以有效地预测脊柱形手术中的IBT风险.
- 这些预测模型有助于优化血液资源分配和输血策略.
- 开发的网络计算器为临床风险评估提供了一个实用的工具.
