对于先天性胆道扩张的术后并发症的诺莫图:一项回顾性队列研究

科学领域:

• 儿科手术 儿科手术
• 外科手术的结果
• 机器学习在医学中的应用

背景情况:

• 在先天性胆道扩张 (CBD) 手术后的术后并发症是严重的,可能需要重复手术.
• 准确预测这些并发症对于患者管理至关重要.

研究的目的:

• 开发和验证机器学习 (ML) 模型,用于预测CBD手术后的术后并发症.
• 为了确定关键的风险因素与并发症,如胆管炎和胰腺炎.

主要方法:

• 对接受手术的CBD儿科患者的回顾性分析.
• 利用后勤回归和拉索回归来进行风险因素选.
• 开发并比较了七个ML算法,以选择最好的预测模型.

主要成果:

• 分析了211名患者;31名患者出现并发症 (胆管炎,胰腺炎).
• 确定的危险因素:手术前穿孔,Todani型IV-A,延迟排水切除,血清氨酶水平升高.
• 为预测并发症,胆管炎和胰腺炎而选择的后勤回归模型.

结论:

• 开发了使用ML预测术后并发症的临床预测模型和名图.
• 这些工具可以帮助对接受CBD手术的患者进行风险分层和管理.