基于机器学习的预测模型的开发和验证,用于手术后恶心和吐的患者经历日期腹腔镜胆囊切除术:一个单一中心的回顾性研究
Dan Fan1,2, Qiyuan Yin, Danni Li3
1Department of Anesthesiology, Southwest Medical University, Luzhou, China fandan1976@163.com wuxingwei@med.uestc.edu.cn.
BMJ open
|October 21, 2025
概括
这项研究开发了一种机器学习模型,用于预测白日腹腔镜胆囊切除术 (LC) 中的术后恶心和吐 (PONV) 风险. 该模型确定了诸如术后疼痛等关键预测因素,增强了术后护理策略.
科学领域:
- 医疗信息学 医疗信息学
- 手术瘤学手术瘤学
- 麻醉学 麻醉学
背景情况:
- 手术后的恶心和吐 (PONV) 是日常腹腔镜胆囊切除术 (LC) 后的常见并发症.
- 准确的风险预测对于有效的术后管理和患者的结果至关重要.
研究的目的:
- 开发和评估基于机器学习的PONV风险预测模型,用于日常病例LC的患者.
- 在这个患者群体中确定PONV的显著预测因子.
主要方法:
- 追溯队列研究涉及成年患者接受日常病例LC.
- 使用各种数据预处理和机器学习算法构建48个预测模型.
- 使用曲线下面面积 (AUC),准确性,精度,回忆和F1分数来评估模型性能.
主要成果:
- 一个组合模型 (KNN,BSMOTE,RFEL,GBM) 实现了0.9600.00的最高AUC.
- 确定的主要预测因素包括术后疼痛,LESS方法,cisatracurium剂量,性别和sufentanil剂量.
- 在211名患者的外部验证中,AUC值为0.79.
结论:
- 手术后的疼痛,LESS方法和cisatracurium剂量是PONV在一日病例LC中显著的,报告不足的预测因素.
- 开发的预测模型为日间手术环境中的术后PONV预防和治疗提供了有价值的工具.
更多相关视频
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
485
03:05Author Spotlight: Advancing Early Detection and Treatment of Gastrointestinal Tumors
Published on: February 16, 2024
1.5K
