通过机器学习模型对患有创伤性脑损伤的患者静脉血栓栓塞的早期预测进行了比较研究
Chuntao Wang1,2, Mengqi Chen3,4,5, Kan Wang1,2
1Division of Trauma Surgery, Emergency Surgery & Surgical Critical, Tongji Trauma Center, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, 430030, P.R. China.
Thrombosis journal
|October 10, 2025
概括
伤害后的D-二次体下降率有效预测创伤性脑损伤 (TBI) 患者的静脉血栓栓塞 (VTE). 使用此速率的机器学习模型有助于早期识别TBI幸存者的VTE风险.
科学领域:
- 神经科学是一个神经科学.
- 血液学 血液学 血液学
- 医疗信息学 医疗信息学
背景情况:
- 创伤性脑损伤 (TBI) 增加了静脉血栓栓塞 (VTE) 的风险.
- 在TBI患者中早期发现VTE风险对于及时干预至关重要.
- D-二聚合物水平及其下降速度是VTE的潜在生物标志物.
研究的目的:
- 评估创伤后D-二分体下降率对VTE在TBI患者的预测值.
- 开发基于机器学习的预测模型,用于早期识别TBI中VTE风险.
主要方法:
- 对1,108名成年TBI患者的回顾性研究 (2018年5月-2021年12月).
- 使用临床数据和D-二次数指标 (PDD3,PDDR3) 开发预测模型 (GLM,LSM,RFM).
- 模型性能通过AUROC,校准曲线和培训和验证队列中的临床影响曲线进行评估.
主要成果:
- 在TBI中,受伤后的D-二次体在第3天 (PDD3) 和其下降率 (PDDR3) 是重要的VTE预测因子.
- 对于GLM,LSM和RFM的AUROC值在整个队列中从0.79到0.85不等.
- 模型显示了良好的校准和高临床实用性,用于VTE预测.
结论:
- PDD3和PDDR3是预测TBI患者VTE的有效指标.
- 基于PDDR3的实用预测模型显示了VTE预测的令人满意的性能.
- 这种模型可以帮助临床医生在TBI患者的早期VTE识别和预防启动.
更多相关视频
07:21Systems Analysis of the Neuroinflammatory and Hemodynamic Response to Traumatic Brain Injury
Published on: May 27, 2022
3.6K
08:27Development of an Uncomplicated Mild Traumatic Brain Injury Model Modified by Weight-Drop Method and Evidenced by Magnetic Resonance Imaging
Published on: April 11, 2025
903
