开发一种基于机器学习的诺姆图,用于在单门视频辅助胸腔镜手术后预测慢性术后疼痛

科学领域:

• 胸部外科手术 胸部外科手术
• 疼痛医学 医学 疼痛医学
• 医疗保健中的机器学习

背景情况:

• 慢性术后疼痛 (CPSP) 是单门视频辅助胸腔镜手术 (UVATS) 后的一个重大并发症.
• 目前的方法缺乏可靠的工具来预测CPSP风险.
• 需要有效的工具来识别患有CPSP高风险的患者.

研究的目的:

• 开发和验证一种机器学习驱动的名谱,用于预测UVATS患者中CPSP风险.
• 在UVATS之后确定CPSP的关键预测因子.
• 为早期风险分层和个性化外科手术管理提供一个工具.

主要方法:

• 对615名UVATS患者进行了回顾性队列研究.
• 利用三种机器学习算法 (LASSO,XGBoost,RF) 来识别共识预测因素.
• 使用后勤回归开发了一个名图,并在内部和外部验证了它.

主要成果:

• 确定了六个共识预测因素:年龄,术后CRP,术后NRS,放电NRS,手术持续时间和排水管持续时间.
• 诺米图表表现出极好的预测性能,AUC值高 (0.893培训,0.861验证,0.881外部验证).
• 校准图表和DCA证实了名图的有利预测准确性和临床实用性.

结论:

• 开发的机器学习名录是早期CPSP风险预测UVATS后的强大工具.
• 这种名ogram 方便个性化的外科手术期间管理策略.
• 这些发现支持使用人工智能驱动的工具来预测和管理手术疼痛.