开发和验证一种基于机器学习的预测模型,用于在中国接受胃肠道手术的中国患者手术期间的低温
Likui Huang1, Yanqing Xu2, Shaohua Chen2
1Department of Surgery, Fujian Province, The First Hospital of Putian City, Affiliated to Putian University, Putian City, China. 13859833199@163.com.
Perioperative medicine (London, England)
|October 1, 2025
概括
在胃肠道外科手术中,手术内低温是常见的. 一个后勤回归模型确定了关键预测因子,并创建了一个名谱,用于准确预测低温风险,改善患者护理.
科学领域:
- 麻醉学和外科手术期间的医学.
- 手术瘤学手术瘤学
- 医疗信息学 医疗信息学
背景情况:
- 术内低温 (核心温度<36.0°C) 是胃肠道手术中经常出现的并发症.
- 低温症可能会在手术期间和之后对患者的结果产生负面影响.
研究的目的:
- 开发和验证胃肠道外科手术患者手术内低温的预测模型.
- 确定与手术内低温症发展相关的关键临床预测因素.
主要方法:
- 对418名胃肠道手术患者的回顾性分析.
- 评估了五种机器学习模型,选择了后勤回归 (LR) 进行模型开发.
- 基于LR模型识别的显著预测因子开发一个名ogram.
主要成果:
- 该LR模型实现了高预测性能 (精度=0.808,AUC=0.872).
- 确定了六个关键预测因素:初始温度,手术持续时间,cisatracurium,手术前温度,麻醉持续时间和红细胞计数.
- 诺米图表显示出出色的预测能力 (AUC = 0.877) 和临床实用性.
结论:
- 为预测胃肠道外科手术中的手术内低温风险而开发了一种可靠的诺米克图.
- 鉴定的预测因素和名图可以指导有针对性的干预措施,以改善外科手术期间的护理.
- 建议在不同的患者队伍中进一步验证,以提高研究结果的概括性.
