多种机器学习方法的比较,用于预测手术后高血糖症在没有糖尿病的接受心脏手术的患者
Jinyan Wu1, Mengli Zhang2, Senxiu Cui1
1School of Nursing, Bengbu Medical University, Bengbu, Anhui, China.
Frontiers in cardiovascular medicine
|December 15, 2025
概括
在预测老年心脏手术患者的压力诱导高血糖症 (SHG) 方面,逻辑回归优于先进的机器学习模型. 这种更简单的模型为风险分层和风险管理提供了更高的准确性.
科学领域:
- 心脏病学 心脏病学
- 内分泌学 在内分泌学.
- 医疗信息学 医疗信息学
背景情况:
- 压力诱导的高血糖 (SHG) 是经过心脏手术的老年人的一个重要并发症.
- 准确预测SHG对于管理这种脆弱人群的术后结果至关重要.
- 现有的SHG预测工具有限.
研究的目的:
- 系统地比较物流回归的预测性能与先进的机器学习算法对SHG风险.
- 确定在非糖尿病老年人心脏手术患者中预测SHG的最有效模型.
主要方法:
- 600名接受心脏手术的患者 (≥65岁) 的回顾性队列分析.
- 开发了五个预测模型,使用六个周边变量:物流回归,随机森林,GBM,AdaBoost和XGBoost.
- 模型性能使用AUC-ROC,灵敏度,特异性,PPV和NPV进行评估.
主要成果:
- 这种SHG的发病率为70.5%.
- 后勤回归证明了最高的预测准确性 (AUC 0.944),超过了所有机器学习模型.
- 后勤模型还实现了更高的灵敏度 (94.5%),特异性 (93.4%),PPV (97.7%) 和NPV (96.8%).
结论:
- 逻辑回归为SHG提供了优越的预测准确性,相比于这个队列中复杂的机器学习算法.
- 该模型的高性能和可解释性使其成为围绕手术风险分层的有价值的决策支持工具.
- 这一发现支持了后勤回归在老年心脏手术患者的SHG管理中的实际实用性.
