用机器学习-H.I.P.P.O 评分来估计关节整形患者停留时间的预测模型
Andrei Danet1,2, Razvan Spiridonica2,3, Georgian Iacobescu2,3
1Department of Cardiac Surgery, Carol Davila University of Medicine and Pharmacy, 050474 Bucharest, Romania.
Life (Basel, Switzerland)
|September 27, 2025
概括
一个新的H.I.P.P.O. 评分准确地预测关节整形术停留时间,整合患者数据和手术因素. 这个工具有助于优化医院资源和患者护理计划.
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
- 生物统计学 生物统计学
背景情况:
- 全关节整形术是一种常见的骨科手术,术后住院时间可变.
- 准确估计住院时间对于资源管理和术后规划至关重要.
研究的目的:
- 开发和验证一次性关节整形术后停留时间的预测得分.
- 确定影响住院时间的关键临床,生物和组织因素.
主要方法:
- 对85名初级关节整形术患者的回顾性分析.
- 开发的H.I.P.P.O.O. 的发展. (干预患者预后结果) 使用随机森林算法得分.
- 包括手术前后的临床,生物和外科数据用于模型培训.
主要成果:
- 这就是H.I.P.P.O.O.的 H.I.P.P.O.O. 评分模型在预测逗留时间方面取得了80%的整体准确性.
- 关键预测因素包括手术日,假肢类型,纤维素,INR,APTT,血红蛋白,年龄和肝硬化.
- 该得分在识别患有长期住院风险的患者方面表现出高效率 (F1得分 = 0.857).
结论:
- 这就是H.I.P.P.O.O.的 H.I.P.P.O.O. 关节整形得分是预测关节整形停留时间的实用和临床适用工具.
- 它有效地整合了生物和组织因素,以改善患者分层.
- 该分数可以帮助进行手术决策,并优化术后管理.
