可解释的机器学习风险预测,在外围插入中央导管的癌症患者中预想不到的输出
Yanying Yang1, Yuwei Yang2, Qiong Liu2
1School of Medicine, Mianyang Central Hospital, University of Electronic Science and Technology of China, Mianyang, 621000, People's Republic of China. 2729433618@qq.com.
在癌症患者中,外围插入的中央导管 (PICC-UE) 的意外输出受生活质量和自我管理的影响. 整合这些因素的新加权生活质量 (WQOL) 度量是PICC-UE的关键预测指标.
科学领域:
- 在瘤学瘤学.
- 医疗器械 医疗器械
- 数据科学数据科学数据科学
背景情况:
- 在癌症患者中,外围插入的中央导管 (PICC-UE) 的意外输出是已知的并发症.
- 之前的研究确定了患者人口统计学和导管类型作为危险因素.
- 患者生活质量对PICC-UE的影响尚未被彻底研究.
研究的目的:
- 用机器学习分析癌症患者PICC-UE的风险因素.
- 在PICC-UE中调查患者生活质量和自我管理的作用.
- 开发和验证一种用于预测PICC-UE的新型指标.
主要方法:
- 研究了一组212名接受PICC导管治疗的癌症患者.
- 机器学习算法和SHapley添加式扩展 (SHAP) 被用来分析30个潜在的风险因素.
- 与健康相关的生活质量 (HRQOL) 和患者自我管理得分是关键数据点.
主要成果:
- PICC-UE发生在10.8%的患者中.
- HRQOL分数在各组之间有显著差异,与自我管理分数相关.
- 一个新的加权生活质量 (WQOL) 度量,结合HRQOL和自我管理,是PICC-UE最强的预测指标 (SHAP值=1.02).
- 上臂周长增加也是一个显著的预测因素 (SHAP值=0.22).
结论:
- 患者的生活质量和自我管理能力协同影响PICC-UE的发生.
- 该WQOL指标有效地整合了这些因素,并作为PICC-UE的关键预测指标.
- 应将WQOL纳入PICC线路的癌症患者的临床评估中.
更多相关视频
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
相关概念视频
Peripherally and Centrally Acting Muscle Relaxants: A Comparison
Centrally acting muscle relaxants can be further divided into spasmolytic and antispasmodic drugs. Spasmolytic...
Endotracheal Tube Extubation
Procedure
Extubation removes the endotracheal tube (ETT) from the patient on mechanical ventilation. It requires a well-coordinated, multidisciplinary approach involving physicians, nurses, respiratory therapists, and other healthcare professionals....
Predicting Molecular Geometry
Machines
A free-body diagram of the...
The Central Dogma
Relative Risk
