开发和验证一种新的骨科血液使用预测模型,包括实验室测试和血栓显微镜
Aqin Chen1, Bing Cui1, Chengcheng Xu2
1Department of Blood Transfusion, Affiliated Hospital of Jiangsu University, China.
概括
一个新型随机森林模型整合了实验室和血栓结晶学 (TEG) 参数,准确地预测了骨科手术患者的输血需求. 该工具有助于进行手术前风险评估和个性化输血策略.
科学领域:
- 整形外科手术 整形外科手术
- 输血医学 输血医学
- 医疗信息学 医疗信息学
背景情况:
- 输血在骨科手术中很常见,并带有相关风险.
- 在手术前预测输血需求对于患者安全和资源管理至关重要.
研究的目的:
- 开发和验证一个预测模型,用于预测骨科手术中的输血需求.
- 整合实验室参数和血栓形成显微镜 (TEG) 以提高预测准确度.
主要方法:
- 对250名骨科手术患者的回顾性研究,分为培训 (n=175) 和验证 (n=75) 组.
- 收集了手术前的人口统计数据,实验室指数和TEG参数.
- 使用单变量分析,LASSO回归,多变量逻辑回归和机器学习模型 (RF,KNN,GBM) 来进行预测.
主要成果:
- 手术前的Hb,PLT,TEG-MA是保护因素;TEG-R,TEG-K,TEG-LY30和前血红素时间是输血的风险因素.
- 随机森林 (RF) 模型显示出最高的预测性能,AUC为0.931.
- 射频模型显著优于KNN (AUC=0.894) 和GBM (AUC=0.813) 模型.
结论:
- 一个随机森林模型整合了实验室和TEG参数,有效地预测了骨科手术中术后输血需求.
- 该模型为手术前血液风险评估提供了客观的基础.
- 促进了针对骨科患者的个性化输血策略的开发.
