使用机器学习算法预测中年和老年患者下肢骨折后术后便秘的风险
Xiaoyan Yang1, Wenqiang Li1, Qin Xiao1
1Southwest Medical University, Luzhou, China.
PloS one
|November 21, 2025
概括
使用后勤回归的机器学习模型可以预测下肢骨折的老年患者手术后便秘风险. 关键因素包括年龄,骨折类型,住院,营养和胃炎,有助于早期干预.
科学领域:
- 老年医学 老年医学
- 整形外科手术 整形外科手术
- 医疗信息学 医疗信息学
背景情况:
- 手术后便秘是中年和老年患者接受下肢骨折手术的常见并发症.
- 早期识别和干预对于管理这种情况和预防进一步的并发症至关重要.
研究的目的:
- 开发和验证一种基于机器学习的预测模型,用于下肢骨折患者的术后便秘风险.
- 为了确定与这种患者群体中便秘相关的关键风险因素.
- 为临床预防和早期干预策略提供决策支持.
主要方法:
- 对1128名接受下肢骨折手术的患者进行了回顾性分析.
- 八个机器学习算法被评估为预测性能.
- 使用SHAP分析来确定便秘的重大风险因素.
主要成果:
- 后勤回归 (LR) 模型实现了最佳的预测性能.
- 重要的预测因素包括年龄,大腿骨折,住院时间长,营养风险和慢性胃炎.
- 该模型可以集成到临床系统中,用于自动风险标记和个性化干预.
结论:
- 开发的LR模型显示了强大的区分能力和临床实用性,用于术后便秘风险监测.
- 与数字健康工具的整合可以促进动态监测和减少相关并发症.
